我正在尝试实现类似于this post中回答的关于在python中重新编译的内容。该帖子中的问题涉及重新排列一个数组，使得输出单元格将包含所有输入单元格的平均值。问题在于，每个输入单元（我认为）只对一个输出单元有贡献 - 也就是说，没有真正的方法可以解释输入单元与两个输出单元重叠的情况。
我想知道是否有一种方法来推广该方法以解决单元格重叠 - 例如，如果我有两个输入区间，范围从0到1和1到2以及输出单元格跨越0.75到2 ，我想采取某种加权平均值来计算输出单元中的值，该输出单元识别跨越1到2的输入单元应该比输出单元大约多出4倍，而不是跨越0到1的输入单元。
这本身并不是插值，但几乎所有我尝试做类似事情的方法都使用它。使用例如np.interp进行直接向上插值的问题是，如果多个输入单元对输出单元有贡献，则此例程会忽略某些点。
答案 0 :(得分：0)
我不太确定你在寻找什么，但我现在正在研究类似的东西。我有两个统一的有限差分网格，我需要将信息从一个映射到另一个，然后再返回。此代码符合我的需求。这个函数x_to_x创建一个矩阵M，这样我就可以得到M的点积和网格a上的数据，并在网格b上产生数据。
def x_to_x(xa, da, xb, db):
a = np.tile(xa, (np.size(xb), 1))
b = np.tile(xb, (np.size(xa), 1)).T
a_l = a - da / 2
a_r = a + da / 2
b_l = b - db / 2
b_r = b + db / 2
x_l = np.maximum(a_l, b_l)
x_r = np.minimum(a_r, b_r)
return np.maximum(x_r - x_l, 0.) / db
如果你有一个非均匀的网格，da和db可以从标量改编成类似于da = np.hstack(a[1:] - a[:-1], a[-1] - a[-2])的东西。