python - 如何最好地对 2D 点数据执行曲面积分？

Question

我有一个 363 x × 190 y 点的数据集，具有相关的函数值，我将在多个不同的子区域进行集成。我试图创建一个 SciPy interp2d 函数集成;然而，即使使用线性插值创建该函数也花费了 2 个多小时(并且尚未完成)。

执行此任务的更好方法是什么？

下面的一些片段......

在下面的 convert_RT_to_XY 函数中，imb/jmb 是我转换为笛卡尔边界的 r,theta 网格边界。

稍后，在我的代码中，我将网格边界 (imb/jmb) 转换为网格中心值 (imm,jmm)，转换为向量 (iX, iY)，将我的函数转换为向量 (iZ)，然后尝试实现我的插值功能。

---

# Convert R, T mesh vectors to X, Y mesh arrays.                                                                       
def convert_RT_to_XY(imb, jmb):                                                                                        
    R, T = np.meshgrid(imb,jmb)                                                                                        
    X = R * np.cos(np.radians(T*360))                                                                                  
    Y = R * np.sin(np.radians(T*360))                                                                                  
    return(X, Y) 

...

imm = imb[:-1]+np.divide(np.diff(imb),2)                                                                       
jmm = jmb[:-1]+np.divide(np.diff(jmb),2) 
iX, iY =  convert_RT_to_XY(imm, jmm)   
iX = np.ndarray.flatten(iX)                                                                                    
iY = np.ndarray.flatten(iY)                                                                                    
iZ = np.ndarray.flatten(plot_function)                                                                         
f = interpolate.interp2d(iX, iY, iZ, kind='linear') 

最终，我想执行:

result = dblquad(f, 10, 30,
    lambda x: 10,
    lambda x: 30))

Answer 1

查看 SciPy 的 RectBivariateSpline .无论如何，如果您将数据放在笛卡尔网格上，它的执行速度将比 interp2D

快得多