使用griddedInterpolant对一维数据集进行插值。

创建一个分散的样本点向量v。这些点在0到20之间的随机1-D位置进行采样。

X = sort(20*rand(100,1));V = besselj(0,x);

为数据创建网格插值对象。默认情况下,griddedInterpolant使用“线性”插值方法。

F = gridinterpolant (x,v)

F = griddedInterpolant with properties: gridvvectors: {[100x1 double]}值:[100x1 double]方法:'linear' ExtrapolationMethod: 'linear'

查询插值F500个均匀间隔的点在0到20之间。绘制插值结果(vq xq)在原始数据之上(x, v)。

Xq = linspace(0,20,500);vq = F(xq);情节(x, v,“罗”)举行在情节(xq,矢量量化,“。”)传说(采样点的，“插值”）

使用两种方法插值3-D数据以指定查询点。

创建并绘制表示函数的3-D数据集 $\mathit{z}（\mathit{xgydF4y2Ba}，\mathit{ygydF4y2Ba}）＝\frac{\mathrm{罪}（{\mathit{xgydF4y2Ba}}^2+{\mathit{ygydF4y2Ba}}^2）}{{\mathit{xgydF4y2Ba}}^2+{\mathit{ygydF4y2Ba}}^2}$在范围[-5,5]的一组网格样本点上进行评估。

[x,y] = ndgrid(-5:0.8:5);Z = sin(x。^2 + y.^2) ./ (x.^2 + y.^2)冲浪(x, y, z)

为数据创建网格插值对象。

F = gridinterpolant (x,y,z);

使用更细的网格来查询插值，提高分辨率。

[xq,yq] = ndgrid(-5:0.1:5);vq = F(xq,yq);冲浪(xq yq vq)

如果有很多示例点或查询点，并且内存使用成为一个问题，则可以使用网格向量提高内存使用率。

或者，使用网格向量执行前面的命令。

X = -5:0.8:5;Y = x';Z = sin(x。^2 + y.^2) ./ (x.^2 + y.^2)F = griddedInterpolant({x,y}，z);Xq = -5:0.1:5;Yq = xq';vq = F({xq,yq});冲浪(xq yq vq)

使用默认网格对一组样本点执行快速插值。默认网格使用单位间距的点，所以这种插值是有用的xy样本点之间的间距并不重要。

创建一个样本函数值的矩阵，并将它们绘制在默认网格上。

X = (1:0.3:5)';Y = x';V = cos(x) * siny;N =长度(x)冲浪(1:n, 1: n V)

使用默认网格插值数据。

F = gridinterpolant (V)

F = griddedInterpolant with properties: gridvators:{[1 2 3 4 5 6 7 8 9 10 11 12 13 14][1 2 3 4 5…][14x14 double]方法:'linear' ExtrapolationMethod: 'linear'

查询插值并绘制结果。

[xq,yq] = ndgrid(1:2:n);Vq = F(xq,yq);冲浪(xq, yq Vq)

使用间距为的完整网格插值粗采样数据0．5。

将样本点定义为二维范围为[1,10]的完整网格。

[X,Y] = ndgrid(1:10,1:10);

样本 $$f（\mathrm{xgydF4y2Ba}，\mathrm{ygydF4y2Ba}）＝{\mathrm{xgydF4y2Ba}}^2+{\mathrm{ygydF4y2Ba}}^2$$在网格点。

V = x .²+ y .²;

创建插值，指定三次插值。

F = gridinterpolant (X,Y,V，“立方”）;

定义查询点的完整网格0．5在这些点处间隔并求插值值。然后画出结果。

[Xq,Yq] = ndgrid(1:0.5:10,1:0.5:10);Vq = F(Xq,Yq);网格(Xq Yq Vq);

的定义域外查询插值的结果比较F使用“pchip”而且“最近的”外推方法。

创建插值，指定“pchip”作为插值方法和“最近的”作为外推法。

X = [1 2 3 4 5];V = [12 16 31 10 6];F = griddedInterpolant(x,v，“pchip”，“最近的”）

F = griddedInterpolant with properties: gridvtors:{[1 2 3 4 5]}值:[12 16 31 10 6]方法:'pchip' ExtrapolationMethod: 'nearest'

查询插值，并包括域之外的点F。

Xq = 0:0.1:6;vq = F(xq);图绘制(x, v,“o”xq矢量量化,“- b”）;传奇(“v”，矢量量化的）

再次在相同的点上查询插值，这一次使用pchip外推方法。

F.ExtrapolationMethod =“pchip”；图vq = F(xq);情节(x, v,“o”xq矢量量化,“- b”）;传奇(“v”，矢量量化的）

使用griddedInterpolant在相同的查询点插入三组不同的值。

创建一个样本点的网格 $-5\le \mathit{X}\le 5$而且 $-3.\le \mathit{Y}\le 3.$。

Gx = -5:5;Gy = -3:3;[X,Y] = ndgrid(gx,gy);

在查询点处计算三个不同的函数，然后将值连接到一个3-D数组中。的大小V是一样的X而且Y前两个维度中的网格，但额外维度的大小反映了与每个样本点相关的值的数量(在本例中为三个)。

f1 = x ^2 + y ^2;f2 = x ^3 + y ^3;f3 = x ^4 + y ^4;V = cat(3,f1,f2,f3);

使用样本点和相关值创建插值。

F = gridinterpolant (X,Y,V);

创建查询点网格，网格大小比示例点更细。

Qx = -5:0.4:5;Qy = -3:0.4:3;[XQ,YQ] = ndgrid(qx,qy);

在查询点插值所有三组值。

Vq = f (xq, yq);

将原始数据与插值结果进行比较。

tiledlayout(3,2) nexttile surf(X,Y,f1) title(“f1”nexttile surf(XQ,YQ,VQ(:，:，1))“窜改f1”nexttile surf(X,Y,f2)“f2”nexttile surf(XQ,YQ,VQ(:，:，2))“窜改f2”nexttile surf(X,Y,f3)‘f3’nexttile surf(XQ,YQ,VQ(:，:，3))“窜改f3”）