在分散的数据中查找最近的点

Question

我正在努力提高我正在使用 gridfit 插值的大型数据集的插值速度。我已经在 stackoverflow 上发布了question，但没有得到回复

所以，我正在考虑尝试一些替代方法。我的想法是，如果我有一个庞大的数据集，如下面的 Python 代码 sn-p 所示

arr_len = 932826
xi = np.random.uniform(low=0, high=4496, size=arr_len)
yi = np.random.uniform(low=-74, high=492, size=arr_len)
zi = np.random.uniform(low=-30, high=97, size=arr_len)

我必须插值并获取定义点的值，例如 (x, y)。使用 interp2d 从分散的数据 xi、yi 和 zi 中找到 4 个相邻点以便执行双线性插值的最快方法是什么（见下图）。我不知道这是否会给我比使用 gridata 更快的结果，但我会很高兴尝试一下

Answer 1

我认为您的想法本质上是最近邻回归。这是使用 scikit-learn 执行此操作的方法。请注意，所考虑的邻居数 4 是任意选择，因此您也可以尝试其他值。

import numpy as np
from sklearn.neighbors import KNeighborsRegressor

arr_len = 932826
np.random.seed(42)
xi = np.random.uniform(low=0, high=4496, size=arr_len)
yi = np.random.uniform(low=-74, high=492, size=arr_len)
zi = np.random.uniform(low=-30, high=97, size=arr_len)

# points to get z-values for (e.g.):
x_new = [100, 500, 2000]
y_new = [400, 300, 100]

# in machine learning notation:
X_train = np.vstack([xi, yi]).T
y_train = zi
X_predict = np.vstack([x_new, y_new]).T

# fit 4-nearest neighbors regressor to the training data
neigh = KNeighborsRegressor(n_neighbors=4)
neigh.fit(X_train, y_train)

# get "interpolated" z-values
print(neigh.predict(X_predict))

[39.37712018  4.36600728 47.00192216]