在 Python 中将大的不规则网格插入到另一个不规则网格上

Question

我正在尝试使用 Python 将复杂值从一个不规则网格插入到另一个不规则网格。网格是二维的，有 103,113 个数据点。我正在使用 Python 2.6.6、Scipy 0.7.2、Numpy 1.3.0、Matplotlib 0.99.3

在 Matlab 中使用 griddata 大约需要 5 秒。

BnGRID2  = griddata(R_GRID1,Z_GRID1,BnGRID1,R_GRID2,Z_GRID2) (MATLAB)

（注意所有数组都是 201 x 513）

但是，如果我尝试使用 matplotlib.mlab.griddata，即使我尝试仅使用实部，也会出现 memoryError：

mlab.griddata(R_GRID1.flatten(),Z_GRID1.flatten(),num.real(BnGRID1.flatten()),R_GRID2.flatten(),Z_GRID2.flatten())

如果我尝试使用 interp2d，我会遇到分段错误并且 Python 退出：

a = interp.interp2d(R_GRID1,Z_GRID1,num.real(BnGRID1))

我已经尝试使用 KDTree，这似乎可以正常工作，但是，与 Matlab 的几秒钟相比，它需要几分钟，但我还没有过多地探索这个选项。

想知道是否有人知道如何像 Matlab 一样快速完成这项工作？我注意到新版本的 Scipy 也有 griddata，有谁知道这是否可以处理大型不规则网格？

Answer 1

Scipy 的 griddata 似乎能够毫无问题地处理这种大小的数据集：

将 numpy 导入为 np 导入 scipy.interpolate # 旧网格 x, y = np.mgrid[0:1:201j, 0:1:513j] z = np.sin(x*20) * (1j + np.cos(y*3))**2 # 一些数据 # 新网格 x2, y2 = np.mgrid[0.1:0.9:201j, 0.1:0.9:513j] # 插入到新网格上 z2 = scipy.interpolate.griddata((x.ravel(), y.ravel()), z.ravel(), (x2, y2), method='cubic')

在旧的 AMD Athlon 上，griddata 步骤大约需要 5 秒。

如果你的数据在一个网格上（即z[i,j]值对应的坐标是(x[i], y[j])），使用scipy.interpolate.RectBivariateSpline可以得到更快的速度

z3 = (scipy.interpolate.RectBivariateSpline(x[:,0], y[0,:], z.real)(x2[:,0], y2[0,:]) + 1j*scipy.interpolate.RectBivariateSpline(x[:,0], y[0,:], z.imag)(x2[:,0], y2[0,:]))

这需要 0.05 秒。它要快得多，因为即使您的网格间距不规则，只要网格是矩形的，也可以使用更高效的算法。