python - Matplotlib 插值/绘制非结构化数据

Question

通常，我处理的图像数据是 m x n 形状的数组。显示很容易，对吗？

import numpy as np
import matplotlib.pyplot as plt

#sample data
m,n = 10,20
sample = np.random.random((m,n))
plt.imshow(sample)

通过不同的算法，我现在获取的数据具有 x，y，数据的形状与 m，n 不同，但范围相同。让我生成一些示例来更好地解释。

k = 300
x = np.random.random((k,)) * m
y = np.random.random((k,)) * n
data = np.random.random((k,))

我想做两件事，但我不明白。

1)以 imshow 样式绘制数据

2) 为了更好的可比性，将数据插值到矩形 m,n 网格上，即使用数据值(如“最近的”)生成形状为 m,n 的数组。

我实际上使用 scipy.ndimage.map_coordinates 来做这件事，但无法让它反向工作......

干杯

Answer 1

下面是 scipy.interpolate.griddata 的示例，稍作修改用法:

import numpy as np
from scipy.interpolate import griddata
import matplotlib.pyplot as plt

k = 300
m, n = 10, 20

x = np.random.random((k,)) * m
y = np.random.random((k,)) * n
data = np.random.random((k,))

grid_x, grid_y = np.mgrid[0:m+1, 0:n+1]

grid_z0 = griddata((x, y), data, (grid_x, grid_y), method='nearest')
grid_z1 = griddata((x, y), data, (grid_x, grid_y), method='linear')
grid_z2 = griddata((x, y), data, (grid_x, grid_y), method='cubic')

plt.subplot(131)
plt.imshow(grid_z0.T)
plt.title('Nearest')

plt.subplot(132)
plt.imshow(grid_z1.T)
plt.title('Linear')

plt.subplot(133)
plt.imshow(grid_z2.T)
plt.title('Cubic')

plt.gcf().set_size_inches(6, 6)
plt.show()