使用scipy.interpolate.interpn插值N维数组

使用scipy.interpolate.interpn插值N维数组

我将尝试以2D形式向您解释，以便您更好地了解正在发生的事情。首先，让我们创建一个线性数组进行测试。

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom matplotlib import cm# Set up grid and array of valuesx1 = np.arange(10)x2 = np.arange(10)arr = x1 + x2[:, np.newaxis]# Set up grid for plottingX, Y = np.meshgrid(x1, x2)# Plot the values as a surface plot to depictfig = plt.figure()ax = fig.gca(projection='3d')surf = ax.plot_surface(X, Y, arr, rstride=1, cstride=1, cmap=cm.jet, linewidth=0, alpha=0.8)fig.colorbar(surf, shrink=0.5, aspect=5)

这给我们：

然后，假设您要沿一条线进行插值，即沿第一维的一个点，但沿第二维的所有点。这些点

(x1, x2)

显然不在原始数组中。假设我们要插值到

x1 =3.5

x1轴上两个点之间的一个点。

from scipy.interpolate import interpninterp_x = 3.5# only one value on the x1-axisinterp_y = np.arange(10) # A range of values on the x2-axis# Note the following two lines that are used to set up the# interpolation points as a 10x2 array!interp_mesh = np.array(np.meshgrid(interp_x, interp_y))interp_points = np.rollaxis(interp_mesh, 0, 3).reshape((10, 2))# Perform the interpolationinterp_arr = interpn((x1, x2), arr, interp_points)# Plot the resultax.scatter(interp_x * np.ones(interp_y.shape), interp_y, interp_arr, s=20,c='k', depthshade=False)plt.xlabel('x1')plt.ylabel('x2')plt.show()

这将为您提供所需的结果：请注意，黑点正确位于平面上，x1值为

3.5

。

请注意，大多数“魔术”和问题的答案都位于这两行：

interp_mesh = np.array(np.meshgrid(interp_x, interp_y))interp_points = np.rollaxis(interp_mesh, 0, 3).reshape((10, 2))

我已经在其他地方解释了这个工作。简而言之，它要做的是创建一个大小为10x2的数组，其中包含要插入的10个点的坐标

arr

。（该文章与这篇文章之间的唯一区别是，我为编写了说明

np.mgrid

，这是编写

np.meshgrid

一堆

arange

s的快捷方式。）

对于4x4x4x4的情况，您可能需要这样的东西：

interp_mesh = np.meshgrid([0.1], [9], np.linspace(0, 30, 3),    np.linspace(0, 0.3, 4))interp_points = np.rollaxis(interp_mesh, 0, 5)interp_points = interp_points.reshape((interp_mesh.size // 4, 4))result = interpn(points, arr, interp_points)

希望有帮助！