python - 坐标对的 SciPy interp2D

Question

我正在使用 scipy.interpolate.interp2d 为表面创建插值函数。然后我有两个真实数据数组，我想为其计算插值点。如果我将这两个数组传递给 interp2d 函数，我会得到一个包含所有点的数组，而不仅仅是点对。

我的解决方案是将两个数组压缩成一个坐标对列表，并将其传递给循环中的插值函数:

f_interp = interpolate.interp2d(X_table, Y_table,Z_table, kind='cubic')

co_ords = zip(X,Y)
out = []
for i in range(len(co_ords)):
    X = co_ords[i][0]
    Y = co_ords[i][1]
    value = f_interp(X,Y)
    out.append(float(value))

我的问题是，是否有更好(更优雅，Pythonic？)的方法来实现相同的结果？

Answer 1

一次传递所有点可能比在 Python 中循环遍历它们快得多。你可以使用 scipy.interpolate.griddata :

Z = interpolate.griddata((X_table, Y_table), Z_table, (X, Y), method='cubic')

或 scipy.interpolate.BivariateSpline 类之一，例如SmoothBivariateSpline :

itp = interpolate.SmoothBivariateSpline(X_table, Y_table, Z_table)
# NB: choose grid=False to get an (n,) rather than an (n, n) output
Z = itp(X, Y, grid=False)

CloughTocher2DInterpolator也以类似的方式工作，但没有 grid=False 参数(它总是返回一维输出)。