问从一个不规则网格到另一个不规则间距网格的Scipy数据插值
EN

Stack Overflow用户

提问于 2011-08-05 15:39:05

回答 1查看 1.7K关注 0票数 3

我正在为两个网格之间的插值而苦苦挣扎，我无法为我的问题找到合适的解决方案。

我有两个不同的2D网格，其中的节点点由它们的X和Y坐标定义。网格本身不是矩形的，而是大致形成一个平行四边形(因此，(i，j)的X坐标与(i，j+1)的X坐标不同，(i，j)的Y坐标与(i+1，j)的Y坐标不同。这两个网格都有37*5的形状，它们几乎完全重叠。

对于第一个网格，我有每个点的X坐标，Y坐标和压力值。现在我想在第二个网格上插值第一个网格的压力分布(每个点的X和Y也是已知的)。

我尝试了不同的插值方法，但由于网格点的不规则分布，我的最终结果从来都不正确。作为interp2d或griddata的函数需要一维数组作为输入，但如果我这样做，插值的解决方案是错误的(即使我在原始网格上再次插值来自原始网格的压力值，新的压力值也与原始值相差数英里。

对于不同不规则网格上的一维插值，我使用：

def interpolate(X, Y, xNew):
    if xNew<X[0]:
        print 'Interp Warning :', xNew,'is under the interval [',X[0],',',X[-1],']'
        yNew = Y[0]
    elif  xNew>X[-1]:
        print 'Interp Warning :', xNew,'is above the interval [',X[0],',',X[-1],']'
        yNew = Y[-1]
    elif xNew == X[-1] : yNew = Y[-1]
    else:
        ind = numpy.argmax(numpy.bitwise_and(X[:-1]<=xNew,X[1:]>xNew))
        yNew = Y[ind] + ((xNew-X[ind])/(X[ind+1]-X[ind]))*(Y[ind+1]-Y[ind])

    return yNew

但对于2D，我认为网格数据会更容易使用。有没有人有插值的经验，我的输入是网格和数据的二维数组？

grid

scipy

interpolation

回答 1

Stack Overflow用户

发布于 2012-07-08 14:36:45

再看一看interp2d。http://docs.scipy.org/scipy/docs/scipy.interpolate.interpolate.interp2d/#scipy-interpolate-interp2d

请注意“参数”下“x，y”部分中的第二个示例。“x”和“y”是松散意义上的一维，但它们可以是扁平化的数组。

应该是这样的：

f = scipy.interpolate.interp2d([0.25, 0.5, 0.27, 0.58], [0.4, 0.8, 0.42,0.83], [3, 4, 5, 6])

znew = f(.25,.4)

print znew
[ 3.]

znew = f(.26,.41)   # midway between (0.25,0.4,3) and (0.27,0.42,5)

print znew
[ 4.01945345]     # Should be 4 - close enough?

我本以为可以将扁平化的'xnew‘和'ynew’数组传递给'f()‘，但我无法让它工作。不过，'f()‘函数将接受行和列的语法，这对您没有什么用处。由于'f()‘的这个限制，你必须将'znew’作为循环的一部分来计算--可能应该看看nditer。当'(xnew，ynew)‘在'(x，y)’域外时，还要确保它能做你想做的事情。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/6958931

复制

比较规则网格上插值不规则数据的等高线图。

import matplotlib.pyplot as plt import matplotlib.tri as tri import numpy as np np.random.seed(19680801) npts = 200 ngridx = 100 ngridy = 200 x = np.random.uniform(-2, 2, npts) y = np.random.uniform(-2, 2, npts) z = x * np.exp(-x**2 - y**2) fig, (ax1, a

裴来凡

2022/05/28

5030