python 不规则（x，y，z）网格的 4D 插值

Question

我有一些数据以

(x, y, z, V)

的形式出现，其中 x、y、z 是距离，V 是湿度。我在 StackOverflow 上阅读了很多关于 python 插值的内容，例如 this 和 this 有价值的帖子，但它们都是关于

x, y, z

的规则网格。即

x

的每个值对

y

的每个点和

z

的每个点的贡献相等。另一方面，我的观点来自 3D 有限元网格（如下所示），其中网格不规则。

提到的两个帖子 1 和 2，将 x、y、z 中的每一个定义为单独的 numpy 数组，然后他们使用类似

cartcoord = zip(x, y)

然后

scipy.interpolate.LinearNDInterpolator(cartcoord, z)

的东西（在 3D 示例中）。我不能做同样的事情，因为我的 3D 网格不规则，因此不是每个点都对其他点有贡献，所以如果我重复这些方法时我发现很多空值，并且我得到很多错误。

这里有10个样本点，形式为

[x, y, z, V]

data = [[27.827, 18.530, -30.417, 0.205] , [24.002, 17.759, -24.782, 0.197] , 
[22.145, 13.687, -33.282, 0.204] , [17.627, 18.224, -25.197, 0.197] , 
[29.018, 18.841, -38.761, 0.212] , [24.834, 20.538, -33.012, 0.208] , 
[26.232, 22.327, -27.735, 0.204] , [23.017, 23.037, -29.230, 0.205] , 
[28.761, 21.565, -31.586, 0.211] , [26.263, 23.686, -32.766, 0.215]]

我想得到点的插值

V

(25, 20, -30)

我怎样才能得到它？

Answer 1

我找到了答案，为了 StackOverflow 读者的利益而发布它。

方法如下：

1-进口：

import numpy as np
from scipy.interpolate import griddata
from scipy.interpolate import LinearNDInterpolator

2-准备数据如下：

# put the available x,y,z data as a numpy array
points = np.array([
        [ 27.827,  18.53 , -30.417], [ 24.002,  17.759, -24.782],
        [ 22.145,  13.687, -33.282], [ 17.627,  18.224, -25.197],
        [ 29.018,  18.841, -38.761], [ 24.834,  20.538, -33.012],
        [ 26.232,  22.327, -27.735], [ 23.017,  23.037, -29.23 ],
        [ 28.761,  21.565, -31.586], [ 26.263,  23.686, -32.766]])
# and put the moisture corresponding data values in a separate array:
values = np.array([0.205,  0.197,  0.204,  0.197,  0.212,  
                   0.208,  0.204,  0.205, 0.211,  0.215])
# Finally, put the desired point/points you want to interpolate over
request = np.array([[25, 20, -30], [27, 20, -32]])

3- 编写最后一行代码以获取插值

方法一，使用

griddata

print griddata(points, values, request)
# OUTPUT: array([ 0.20448536, 0.20782028])

方法二，使用

LinearNDInterpolator

# First, define an interpolator function
linInter= LinearNDInterpolator(points, values)

# Then, apply the function to one or more points
print linInter(np.array([[25, 20, -30]]))
print linInter(request)
# OUTPUT: [0.20448536  0.20782028]
# I think you may use it with python map or pandas.apply as well

希望这对每个人都有好处。

赌注问候

Answer 2

我假设你有大量的数据点，我还假设你会遇到网格数据生成结果非常慢的情况。在你的案例中有没有办法加快插值速度？

作为参考，我在不规则的 3D 网格上有大约 100,000 个数据点，每次迭代大约需要 10 分钟才能生成。