一、a.cumsum()

a.cumsum(axis=None, dtype=None, out=None)

参数
a :数组
axis: 轴索引,整型，若a为n维数组，则axis的取值范围为[0,n-1]
dtype: 返回结果的数据类型，若不指定，则默认与a一致n
out: 数据类型为数组。用来放置结果的替代输出数组，它必须具有与输出结果具有相同的形状和缓冲长度

返回
沿着指定轴的元素累加和所组成的数组，其形状应与输入数组a一致

1、对于一维数组而言

import numpy as np
 
arr=np.array([1,2,3,4,5,6,7,8,9])
result=arr.cumsum()    #此时axis只能取0，因此，axis=0可不写

#result： array([ 1,  3,  6, 10, 15, 21, 28, 36, 45], dtype=int32)

2、对于二维数组而言

import numpy as np
 
arr=np.array([[1,2,3],[4,5,6],[7,8,9]])
 
#沿着axis=0轴计算
 
result1=arr.cumsum(0)   #array([[ 1,  2,  3],[ 5,  7,  9],[12, 15, 18]], dtype=int32)
 
#沿着axis=1轴计算
 
result2=arr.cumsum(1)   #array([[ 1,  3,  6],[ 4,  9, 15],[ 7, 15, 24]], dtype=int32)
 
#arr.cumsum()并不是arr.cumsum(0)和arr.cumsum(1)的并集，而是将arr重塑为一维数组后的，再计算cumsum()的结果
 
arr.cumsum()#array([ 1,  3,  6, 10, 15, 21, 28, 36, 45], dtype=int32)

二、np.interp()

np.interp()是一个一维线性插值函数。

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

参数
x: 数组 待插入数据的横坐标
xp: 一维浮点数序列 原始数据点的横坐标，如果period参数没有指定那么就必须是递增的 否则，在使用xp = xp % period正则化之后，xp在内部进行排序
fp: 维浮点数或复数序列 原始数据点的纵坐标，和xp序列等长.
left: 可选参数，类型为浮点数或复数（对应于fp值） 当x < xp[0]时的插值返回值，默认为fp[0].
right: 可选参数，类型为浮点数或复数（对应于fp值），当x > xp[-1]时的插值返回值，默认为fp[-1].
period: None或者浮点数，可选参数 横坐标的周期 此参数使得可以正确插入angular x-coordinates. 如果该参数被设定，那么忽略left参数和right参数

返回
浮点数或复数（对应于fp值）或ndarray. 插入数据的纵坐标，和x形状相同

注意
在没有设置period参数时，默认要求xp参数是递增序列

实例1、插入一个值

import numpy as np
import matplotlib.pyplot as plt

x = 2.5
xp = [1, 2, 3]
fp = [3, 2, 0]
y = np.interp(x, xp, fp)  # 1.0
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()

实例二、插入一个序列

import numpy as np
import matplotlib.pyplot as plt

x = [0, 1, 1.5, 2.72, 3.14]
xp = [1, 2, 3]
fp = [3, 2, 0]
y = np.interp(x, xp, fp)  # array([ 3. ,  3. ,  2.5 ,  0.56,  0. ])
plt.plot(xp, fp, '-o')
plt.plot(x, y, 'x')
plt.show()

三、np.maximum.accumulate

计算数组（或数组的特定轴）的累积最大值

例子

import numpy as np

d = np.array([2, 0, 3, -4, -2, 7, 9])
c = np.maximum.accumulate(d)
print(c)   # array([2, 2, 3, 3, 3, 7, 9])

四、np.trapz

numpy.trapz(y, x=None, dx=1.0, axis=-1)

计算y, x两者围成的面积（梯形）

该方法是用于取值，建立XY轴的线性关系

具体参考

numpy.interp()用法_MrLittleDog的博客-CSDN博客_np.interp

线性插值是指插值函数为一次多项式的插值方式，其在插值节点上的插值误差为零。线性插值相比其他插值方式，如抛物线插值，具有简单、方便的特点。线性插值的几何意义即为概述图中利用过A点和B点的直线来近似表示原函数。

线性插值法是认为现象的变化发展是线性的、均匀的，所以可利用两点式的直线方程式进行线性插值。估算的是两点之间的点的对应值。

y = np.interp(x, xp, fp)
x: 数组 待插入数据的横坐标.

xp: 一维浮点数序列
原始数据点的横坐标，如果period参数没有指定那么就必须是递增的。否则，在使用xp = xp % period正则化之后，xp在内部进行排序.

fp: 一维浮点数或复数序列，原始数据点的纵坐标，和xp序列等长.

即由(x0,y0)和(x1,y1)得到(x,y)。

双线性插值==也就是执行两次线性插值

双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值[1]
先通过Q12和Q22得到R2，Q21和Q11得到R1，然后由R1和R2得到P。

假如我们想得到未知函数 f 在点 P = (x, y) 的值，假设我们已知函数 f 在 Q11 = (x1, y1)、Q12 = (x1, y2), Q21 = (x2, y1) 以及 Q22 = (x2, y2) 四个点的值。最常见的情况，f就是一个像素点的像素值。首先在 x 方向进行线性插值，得到

只要填入Q11的x以及Q12的x，就可以得到对应的纵坐标f。

只要填入P的纵坐标，就剋以得到P的