坐标对的 SciPy interp2D答案

【问题标题】：SciPy interp2D for pairs of coordinates坐标对的 SciPy interp2D
【发布时间】：2019-06-13 07:42:28
【问题描述】：

我正在使用scipy.interpolate.interp2d 为表面创建插值函数。然后，我有两个要计算插值点的真实数据数组。如果我将这两个数组传递给 interp2d 函数，我会得到一个包含所有点的数组，而不仅仅是点对。

我对此的解决方案是将两个数组压缩到坐标对列表中，然后循环传递给插值函数：

f_interp = interpolate.interp2d(X_table, Y_table,Z_table, kind='cubic')

co_ords = zip(X,Y)
out = []
for i in range(len(co_ords)):
    X = co_ords[i][0]
    Y = co_ords[i][1]
    value = f_interp(X,Y)
    out.append(float(value))

我的问题是，有没有更好（更优雅，Pythonic？）的方法来实现相同的结果？

【问题讨论】：

标签： python scipy interpolation

【解决方案1】：

一次传递所有点可能比在 Python 中循环遍历它们要快得多。你可以使用scipy.interpolate.griddata:

Z = interpolate.griddata((X_table, Y_table), Z_table, (X, Y), method='cubic')

或scipy.interpolate.BivariateSpline 类之一，例如SmoothBivariateSpline:

itp = interpolate.SmoothBivariateSpline(X_table, Y_table, Z_table)
# NB: choose grid=False to get an (n,) rather than an (n, n) output
Z = itp(X, Y, grid=False)

CloughTocher2DInterpolator 也以类似的方式工作，但没有grid=False 参数（它总是返回一维输出）。

【讨论】：

【解决方案2】：

尝试 *args 和元组打包/解包

points = zip(X, Y)
out = []
for p in points:
    value = f_interp(*p)
    out.append(float(value))

或者只是

points = zip(X, Y)
out = [float(f_interp(*p)) for p in points]

或者只是

out = [float(f_interp(*p)) for p in zip(X, Y)]

作为旁注，“魔法之星”允许 zip 是它自己的逆！

points = zip(x, y)
x, y   = zip(*points)

【讨论】：

【解决方案3】：

一方面，你可以做到

for Xtmp,Ytmp in zip(X,Y):
    ...

在你的循环中。甚至更好，只是

out = [float(f_interp(XX,YY)) for XX,YY in zip(X,Y)]

替换循环。

换一种说法，I suggest using interpolate.griddata。它的表现往往比interp2d 好得多，并且它接受任意形状的点作为输入。如您所见，interp2d 插值器只会返回网格上的值。

【讨论】：

【解决方案4】：

受thread 的启发，有人建议使用 interp2d 函数的内部权重，我创建了以下包装器，它与interp2d 具有完全相同的接口，但插值器评估输入对并返回一个 numpy 数组其输入的形状相同。性能应该优于 for 循环或列表理解，但在网格上评估时，scipy interp2d 的性能会略胜一筹。

import scipy.interpolate as si
def interp2d_pairs(*args,**kwargs):
    """ Same interface as interp2d but the returned interpolant will evaluate its inputs as pairs of values.
    """
    # Internal function, that evaluates pairs of values, output has the same shape as input
    def interpolant(x,y,f):
        x,y = np.asarray(x), np.asarray(y)
        return (si.dfitpack.bispeu(f.tck[0], f.tck[1], f.tck[2], f.tck[3], f.tck[4], x.ravel(), y.ravel())[0]).reshape(x.shape)
    # Wrapping the scipy interp2 function to call out interpolant instead
    return lambda x,y: interpolant(x,y,si.interp2d(*args,**kwargs))

# Create the interpolant (same interface as interp2d)
f = interp2d_pairs(X,Y,Z,kind='cubic')
# Evaluate the interpolant on each pairs of x and y values
z=f(x,y)

【讨论】：