网格数据预测方法答案

【问题标题】：Griddata predict method网格数据预测方法
【发布时间】：2018-05-14 22:33:59
【问题描述】：

使用 scipy 中的 griddata 用于执行插值（三次样条和其他），我们必须将我们插值的数据作为参数，同时，我们要在其上进行“预测”的新点”。

是否有可能构造一个“griddata 对象”，它有一种方法来预测一个新点，而无需每次都重建一个新的插值样条曲线......？（例如，与回归树一样，我们首先构建树，然后使用 .predict(new_points) 方法）。

这是一个例子：

import pandas as pd
import numpy as np
import sklearn
import scipy.interpolate as itp

n = 100
x1 = np.linspace(-2, 4, n)

X1 = []
X2 = []

for x in x1:
    X1.append( [x for i in range(0, n)] )
    X2.append( np.linspace(9, 15, n) )

X1 = np.array(X1).flatten()
X2 = np.array(X2).flatten()

Y1 = exp( 2*X1 )
    Y2 = 3 * sqrt(X2)

#Data frames :
X = np.transpose( [X1, X2] )
X = pd.DataFrame(X, columns=["X1", "X2"])

Y = np.transpose( [Y1, Y2] )
Y = pd.DataFrame(Y, columns=["Y1", "Y2"])

X_new = np.transpose( [[-2], [9]] )

inter_cubic = itp.griddata(X, Y, X_new, method='cubic', fill_value=nan, rescale=False)

print(inter_cubic)

print(exp(2*(-2)), 3*sqrt(9))

现在 inter_cubic 只是一个 numpy 数组..

有没有办法执行它，或者我们可以使用另一个“样条”构造函数？

【问题讨论】：

标签： python scipy interpolation

【解决方案1】：

如果您查看source code for griddata（向下滚动到文档字符串以查看实际代码），您会发现它是其他几个插值函数的包装器，其中大部分都以您想要的方式工作。在您的情况下，使用二维数据和三次插值，griddata 会这样做：

        ip = CloughTocher2DInterpolator(points, values, fill_value=fill_value,
                                        rescale=rescale)
        return ip(xi)

因此，您可以使用CloughTocher2DInterpolator，而不是使用griddata。具体来说，使用脚本中的名称，您将创建插值器

ip = itp.CloughTocher2DInterpolator(X, Y, fill_value=np.nan, rescale=False)

对象ip 没有predict 方法；您只需使用要评估插值器的点来调用它。在你的情况下，你会写

Y_new = ip(X_new)

【讨论】：