【发布时间】：2019-08-20 17:11:51
【问题描述】：
我想在不同的网格上插入一组在 CFD 模拟网格的每个节点上定义的温度。
原始数据集中的数据在 csv (X1,Y1,Z1,T1) 中，我想在 X2,Y2,Z2 网格上找到新的 T2 值。
从 SCIPY 为我们提供的众多可能性中，哪个更适合该应用？线性方法和最近节点方法有哪些区别？
感谢您的宝贵时间。
编辑
这是一个例子：
import numpy as np
from scipy.interpolate import griddata
from scipy.interpolate import LinearNDInterpolator
data = np.array([
[ -3.5622760653000E-02, 8.0497122655290E-02, 3.0788827491158E-01],
[ -3.5854682326000E-02, 8.0591522802259E-02, 3.0784350432341E-01],
[ -2.8168760240000E-02, 8.0819296043557E-02, 3.0988532075795E-01],
[ -2.8413346037000E-02, 8.0890746063578E-02, 3.1002054434659E-01],
[ -2.8168663383000E-02, 8.0981744777379E-02, 3.1015319609412E-01],
[ -3.4150537103000E-02, 8.1385114641365E-02, 3.0865343388355E-01],
[ -3.4461673349000E-02, 8.1537336777452E-02, 3.0858242919307E-01],
[ -3.4285601228000E-02, 8.1655884824782E-02, 3.0877386496235E-01],
[ -2.1832991391000E-02, 8.0380712111108E-02, 3.0867371621337E-01],
[ -2.1933870390000E-02, 8.0335713699008E-02, 3.0867959866155E-01]])
temp = np.array([1.4285955811000E+03,
1.4281038818000E+03,
1.4543135986000E+03,
1.4636379395000E+03,
1.4624763184000E+03,
1.3410919189000E+03,
1.3400545654000E+03,
1.3505817871000E+03,
1.2361110840000E+03,
1.2398562012000E+03])
linInter= LinearNDInterpolator(data, temp)
print (linInter(np.array([[-2.8168760240000E-02, 8.0819296043557E-02, 3.0988532075795E-01]])))
此代码正在运行，但我有一个包含 1000 万个点的数据集，要在相同大小的数据集上进行插值。
问题是这个操作对我的所有观点来说都很慢：有没有办法改进我的代码？
我使用了 LinearNDinterpolator，因为它似乎比 NearestNDInterpolator (LinearVSNearest) 更快。
【问题讨论】：
-
您能否向我们提供您正在尝试做的示例代码？你给了我们一个基本的描述，但还不足以真正起作用。看到你已经给了这个旧大学的尝试，这对我们也很有帮助。
-
对不起，你是对的：我会尽快提供一个例子——连同一些测试。我希望有一些初步的建议，但是看着我收到的“-3”，我认为这是不可能的。感谢您的宝贵时间。
-
你的网格规则吗？在这种情况下，您可以使用
RegularGridInterpolator，这样会更快 -
Mstaino，不幸的是我的网格不规则！