python griddata的替代品

Question

我正在使用griddata在網格上重新取樣numpy 2維數組。

z.shape = (1000, 1000) 
x, y = np.arange(-5, 5, 0.01), np.arange(-5, 5, 0.01) 
newx, newy = np.arange(-2, 2, 0.1), np.arange(-2, 2, 0.1) 

griddata((x, y), z, (newx[None, :], newy[:, None])) 

代碼應：

• 重新採樣Z（其表示的圖像）到一個新的較粗或較細網格
• 新柵格不必覆蓋所有的原始的一。

但是，griddata無法管理常規輸入網格。有誰知道一個簡單的選擇？

Answer 1

使用任何適合用於文檔中列出在網格數據的方法：https://docs.scipy.org/doc/scipy/reference/interpolate.html#multivariate-interpolation

即：

https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.RegularGridInterpolator.html

或https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.RectBivariateSpline.html

或https://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.interpolation.map_coordinates.html

注還表示您正在使用griddata不正確。您的代碼對應於由您的1000（x，y）座標定義的線進行插值，其中每個點都有1000個與其關聯的值。然而，從一維線插值到二維的定義很差，並且嘗試對一條線上的一組點進行三角測量導致失敗。

你應該做

import numpy as np 
from scipy.interpolate import griddata 

z = np.random.rand(100, 100) 
z.shape = (100, 100) 
x, y = np.arange(-5, 5, 0.1), np.arange(-5, 5, 0.1) 

xx, yy = np.meshgrid(x, y, indexing='ij') 

newx, newy = np.arange(-2, 2, 0.1), np.arange(-2, 2, 0.1) 

griddata((xx.ravel(), yy.ravel()), z.ravel(), (newx[None, :], newy[:, None])) 

這將正常工作---然而，1000×1000 = 1000000個在2D點是基於三角測量的非結構化插值簡直太多數據（需要大量內存的三角+它很慢），所以你應該使用網格數據算法。