定义采样点，x，以及相应的样本值，v．

x=0:pi/4:2*pi；v=sin（x）；

将查询点定义为范围内的更细的抽样x．

xq = 0:π/ 16:2 *π;

在查询点处插入函数并绘制结果。

图vq1=interp1（x，v，xq）；曲线图（x，v，“哦”，xq，vq1，':.')；xlim（[02*pi]）；标题(“（默认）线性插值”);

现在评估v在相同的点上使用“样条曲线”方法

图vq2 = interp1(x,v,xq，“样条曲线”)；图（x，v，“哦”，xq，vq2，':.')；xlim（[02*pi]）；标题(“样条插值”);

定义一组函数值。

v=[01.4121.410-1.41-2-1.410]；

定义一组位于默认点之间的查询点，1：9．在本例中，默认点是1：9因为v包含9值。

xq=1.5:8.5；

估计v在xq．

vq = interp1 (v, xq);

策划的结果。

图1:9，v，“哦”，xq，vq，'*'); 传奇(“v”,矢量量化的);

定义一组采样点。

x=1:10；

定义函数的值， $$v(x)=5.x+x^{2.}我$$，在采样点。

v = (5 * x) + (x ^ 2 * 1);

将查询点定义为范围内的更细的抽样x．

xq=1:0.25:10；

插入v在查询点。

vq=interp1（x，v，xq）；

将结果的实部绘制为红色，虚部绘制为蓝色。

图绘制(x,真正的(v),“*r”，xq，real（vq），“-r”); 持有在…上绘图（x，图像（v），“*b”，xq，imag（vq），“- b”);

内插时间戳数据点。

考虑包含每四小时测量的温度读数的数据集。创建一个包含一天数据的表格，并绘制数据。

x=（日期时间（2016,1,1）：小时（4）：日期时间（2016,1,2））；x、 格式=“嗯dd, HH: mm”；T = [31 25 24 41 43 33 31]';WeatherData =表(x T“变化无常”,{“时间”,“温度”}）

气象数据=7×2表时间温度：1月1日00:00 01月31日04:00 01月25日08:00 01月24日12:00 01月41日16:00 01月43日20:00 33日02月02日00:00 31

绘图（WeatherData.Time、WeatherData.Temperature、，“哦”)

插入数据集来预测一天中每一分钟的温度读数。由于数据是周期性的，所以使用“样条曲线”插值法。

xq=（日期时间（2016,1,1）：分钟（1）：日期时间（2016,1,2））；V=interp1（WeatherData.Time，WeatherData.Temperature，xq，“样条曲线”);

绘制插值点。

持有在…上图（xq，V，“r”)

定义采样点，x，以及相应的样本值，v．

x=[12345]；v=[121631106]；

指定查询点，xq，这超出了x．

xq=[0.5 1.5 5.5 6]；

估计v在xq使用“pchip”方法

vq1 = interp1 (x, v, xq,“pchip”)

vq1=1×519.3684 13.6316 13.2105 7.4800 12.5600

接下来，评估v在xq使用“线性”方法

vq2=interp1（x，v，xq，“线性”)

vq2=1×5楠楠14楠楠楠

现在，使用“线性”方法与“extrap”选项

vq3=interp1（x，v，xq，“线性”,“extrap”)

vq3=1×58 10 14 4 2

“pchip”默认推断，但是“线性”没有。

定义采样点，x，以及相应的样本值，v．

x=[-3-2-10123]；v=3*x.^2；

指定查询点，xq，这超出了x．

xq=[-4-2.5-0.50.52.54]；

现在评估v在xq使用“pchip”方法，并指定域之外的任何值x就价值而言，27．

vq = interp1 (x, v, xq,“pchip”, 27)

vq=1×627.0000 18.6562 0.9375 0.9375 18.6562 27.0000

定义采样点。

x=（-5:5）'；

在中定义的点处采样三个不同的抛物线函数x．

v1=x.^2；v2=2*x.^2+2；v3=3*x.^2+4；

创建矩阵v，它的列是向量，v1,v2和v3．

v=[v1 v2 v3]；

定义一组查询点，xq的范围内更精细的取样x．

xq=-5:0.1:5；

对所有三个函数求值xq并绘制结果。

vq = interp1 (x, v, xq,“pchip”)；图（x，v，“哦”，xq，vq）；h=gca；h、 XTick=-5:5；

图中的圆圈表示v，实线表示矢量量化．