前言：
? ? ?在用生成對抗網絡生成二維數據點的時候遇到代碼裏的一個問題，就是numpy中的一維線性插值函數interp到底是怎麽用的，在這個上面費了點功夫，因此現將其用法給出。
? ? ?在生成對抗網絡的二維樣本生成的例子中，涉及了一維線性插值，代碼裏使用的是：

numpy.interp(x, xp, fp, left=None, right=None, period=None)

上網查了百度和谷歌發現都沒有具體的中文的解釋，只有官方的英文解釋：

\(One-dimensional\) \(linear\) \(interpolation.\) \(Returns\) \(the\)

\(one-dimensional\) \(piecewise\) \(linear\) \(interpolant\) \(to\) \(a\) \(function\) \(with\) \(given\) \(values\) \(at\) \(discrete\) \(data-points.\)
官方給出的例子如下：

 >>> xp = [1, 2, 3]
>>> fp = [3, 2, 0]
>>> np.interp(2.5, xp, fp)
1.0
>>> np.interp([0, 1, 1.5, 2.72, 3.14], xp, fp)
array([ 3. ,  3. ,  2.5 ,  0.56,  0. ])
>>> UNDEF = -99.0
>>> np.interp(3.14, xp, fp, right=UNDEF)
-99.0

Plot an interpolant to the sine function:

>>> x = np.linspace(0, 2*np.pi, 10)
>>> y = np.sin(x)
>>> xvals = np.linspace(0, 2*np.pi, 50)
>>> yinterp = np.interp(xvals, x, y)
>>> import matplotlib.pyplot as plt
>>> plt.plot(x, y, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.plot(xvals, yinterp, '-x')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.show()      
 

其中對於第一例子，只要畫出圖像就很好理解了：

也就是說只要參數中的\(2.5\)是我們要插入的值，我們要做的是連接\((2,2)\)和\((3,0)\)這兩個點，然後在\(x=2.5\)這裏做垂線，那麽相交的那個點(也就是\((2.5,1.0)\)這個點)就是我們要插入的點了。

numpy的一維線性插值函數