PopisShepard interpolation 1 dimension.png	English: This is a result from the shepard method applied to a 1 dimension function.
Datum	10. května 2012
Zdroj	At IST (Lisbon, PT) with ubuntu+python+numpy+matplotlib   Tento PNG grafika byl vytvořen programem Matplotlib.
Autor	Fmafunenga

Já, držitel autorských práv k tomuto dílu, ho tímto zveřejňuji za podmínek následujících licencí:

Tento dokument smí být kopírován, šířen nebo upravován podle podmínek Svobodné licence GNU pro dokumenty verze 1.2 nebo libovolné vyšší verze publikované nadací Free Software Foundation. Dokument nemá neměnné části ani texty na předním či zadním přebalu. Kopie textu licence je k dispozici v oddíle nazvaném GNU Free Documentation License.http://www.gnu.org/copyleft/fdl.htmlGFDLGNU Free Documentation Licensetruetrue

Tento soubor podléhá licenci Creative Commons Uveďte autora-Zachovejte licenci 3.0 Unported

Dílo smíte:

• šířit – kopírovat, distribuovat a sdělovat veřejnosti
• upravovat – pozměňovat, doplňovat, využívat celé nebo částečně v jiných dílech

Za těchto podmínek:

• uveďte autora – Máte povinnost uvést autorství, poskytnout odkaz na licenci a uvést, pokud jste provedli změny. Toho můžete docílit jakýmkoli rozumným způsobem, avšak ne způsobem naznačujícím, že by poskytovatel licence schvaloval nebo podporoval vás nebo vaše užití díla.
• zachovejte licenci – Pokud tento materiál jakkoliv upravíte, přepracujete nebo použijete ve svém díle, musíte své příspěvky šířit pod stejnou nebo slučitelnou licencí jako originál.

https://creativecommons.org/licenses/by-sa/3.0CC BY-SA 3.0 Creative Commons Attribution-Share Alike 3.0 truetrue

Můžete si zvolit libovolnou z těchto licencí.

The python code (numpy archive copy at the Wayback Machine, matplotlib) used to create this image:

import numpy as np
import matplotlib.pyplot as plt

def weight( pointA, pointB ):
	p = 2.0 #this is the power parameter
	rst = ( 1.0/( abs(pointA-pointB)**p ) )
	return rst

def idw( xi, ui ):
	xidw = np.arange(-4.0, 9.0, 0.01)
	uidw = np.arange(-4.0, 9.0, 0.01)
	for idx in range(len(xidw)):
		denum = 0.0 ; num = 0.0
		for i in range(len(xi)):
			w      = weight( xidw[idx], xi[i] )
			denum += w
			num   += w*ui[i]
		uidw[idx] = num / denum
	return xidw, uidw

if __name__ == "__main__":
	xi = [0.0, 1.0, 4.0, 5.0]
	yi = [1.0, 2.0, 2.0, 1.0]
	xidwr, yidwr = idw( xi, yi )
	
	plt.plot( xi, yi, "ok",ms=10, lw=2, label="Samples" )
	plt.plot( xidwr, yidwr, "-", label="IDW" )
	plt.title( r"Shepard's interpolation in 1 dimension: $p=2$" )
	plt.xlim((-4.1,9.1)) ; plt.xlabel(r"X")
	plt.ylim((0.9,2.1)) ; plt.ylabel(r"U")
	plt.legend() ; plt.grid() ; plt.show()