Python/SciPy：将 DataFrame 从极坐标网格转换为笛卡尔网格的问题

Question

我使用多普勒测风激光雷达进行了测量（PPI 弧形扫描）。数据存储在 pandas 数据框中，其中行表示方位角，列表示径向距离（输入形状 = 30x197）。 Link to example scan, (csv)。我想将其转换为笛卡尔坐标系，并输出一个二维数组，该数组被重新网格化为 x,y 坐标而不是极坐标，并将值存储在适当的网格单元中。插值（最近邻）是可以的，零或不存在数据的区域的 NaN 填充也是如此。

理想情况下，X 和 Y 网格应该对应于点之间的实际距离，但现在我只是想让它工作。这应该不是非常困难，但我无法获得我想要的结果。 到目前为止，我的工作代码可以很好地绘制在极轴上(example image)，但这不适用于我接下来的分析步骤。

我用scipy.interpolate.griddata、scipy.ndimage.geometric_transform 和scipy.ndimage.map_coordinates 尝试了许多不同的方法，但没有得到正确的输出。这是我最近尝试的一个示例（df_polar 是链接的 csv 文件）：

# Generate polar and cartesian meshgrids
r = df_polar.columns
theta = df_polar.index
theta = np.deg2rad(theta)

# Polar meshgrid
rad_c, theta_c = np.meshgrid(r,theta)

# Cartesian meshgrid
X = rad_c * np.cos(theta_c)
Y = rad_c * np.sin(theta_c)
x,y = np.meshgrid(X,Y)

# Interpolate from polar to cartesian grid
new_grid = scipy.interpolate.griddata(
    (rad_c.flatten(), theta_c.flatten()), 
    np.array(df_polar).flatten(), (x,y), method='nearest')

结果根本不正确，通过阅读文档和示例，我不明白为什么。我将不胜感激任何关于我哪里出错的提示。非常感谢！！

Answer 1

我想你可能给griddata 喂错了点。它需要笛卡尔点，如果您想要在常规 x/y 网格上插值的值，您需要创建一个并提供它。

试试这个，如果它产生预期的结果，请告诉我。我很难判断这是否应该产生：

from scipy.interpolate import griddata
import pandas as pd
import numpy as np

df_polar = pd.read_csv('onescan.txt', index_col=0)

# Generate polar and cartesian meshgrids
r = pd.to_numeric(df_polar.columns)
theta = np.deg2rad(df_polar.index)

# Polar meshgrid
rad_c, theta_c = np.meshgrid(r, theta)

# Cartesian equivalents of polar co-ordinates
X = rad_c*np.cos(theta_c)
Y = rad_c*np.sin(theta_c)

# Cartesian (x/y) meshgrid
grid_spacing = 100.0   # You can change this
nx = (X.max() - X.min())/grid_spacing
ny = (Y.max() - Y.min())/grid_spacing
x = np.arange(X.min(), X.max() + grid_spacing, grid_spacing)
y = np.arange(Y.min(), Y.max() + grid_spacing, grid_spacing)
grid_x, grid_y = np.meshgrid(x, y)

# Interpolate from polar to cartesian grid
new_grid = griddata(
    (X.flatten(), Y.flatten()),
    df_polar.values.flatten(),
    (grid_x, grid_y),
    method='nearest'
)

结果值看起来像这样（grid_spacing = 10 并翻转 x 和 y）：

import matplotlib.pyplot as plt
plt.imshow(new_grid.T, cmap='hot')

明确插入“最近”需要驯服...