一维不规则网格到一维规则网格答案

【问题标题】：1D irregular grid to 1d regular grid一维不规则网格到一维规则网格
【发布时间】：2013-05-20 13:17:23
【问题描述】：

我想将一维数组中的值从不规则网格插入到规则网格。例如，假设原始数据在不规则间隔的 X 坐标处具有值：

source_x = np.asarray([127.3, 759.4, 1239.1, ..., 98430.1])
source_y = whatever(x) # No really a function but a set of masurements

目标网格也是一维的，但 X 坐标沿轴有规律地分布：

dest_x = np.arange(250, 100000, 500)

我想为目标dest_xcoordinates 数组的每个点找到原始source_xcoordinates 数组中两个最近元素的距离和索引。例如：

dest_x[0] = 250
indices = [0, 1]
distances = [250-127.3, 759.4-250]

如果可能，这应该作为原子操作来完成。

我的第一个想法是使用scipy.spatial.KDTree，但这不允许一维数据。还有其他选择吗？

编辑

有一个“丑陋”选项涉及一个“虚拟”零坐标，它允许使用scipy.spatial.KDTree：

source_x = np.asarray([127.3, 759.4, 1239.1, ..., 98430.1])
source_dummy = np.zeros_like(source_x)

dest_x = np.arange(250, 100000, 500)
dest_dummy = np.zeros_like(dest_x)

src = np.vstack((source_x, source_dummy)).T
dst = np.vstack((dest_x, dest_dummy)).T

tree = KDTree(src)
distances, indices = tree.query(dst, 2)

但是，我不太喜欢这种方法...

【问题讨论】：

对于线性插值，只需使用numpy.interp()。如果您需要索引本身，请使用numpy.searchsorted()。唯一棘手的一点是处理超出数据范围的网格值。有了索引后，距离很容易计算。
感谢您的回答，numpy.searchsorted是查找一维数组中索引的好方法，并且之前也很容易计算权重（距离）。
@RobertKern 您的评论就是答案！您可以将其发布为官方答案，以便人们可以更快地找到它...

标签： python numpy scipy

【解决方案1】：

对于线性插值，只需使用numpy.interp()。如果您需要索引本身，请使用numpy.searchsorted()。唯一棘手的一点是处理超出数据范围的网格值。有了索引后，距离很容易计算。

【讨论】：