Question

我有一个网格化的天气数据集，其尺寸为33 X 77 X 77.第一个维度是时间，其余分别是Lat和Lon。我需要每次将数据插入（线性或最近邻居）到不同的点（lat＆amp; lon）并将其写入csv文件。我已经使用了scipy的interp2d函数，它成功了一步。由于我在很多地方，我不想随着时间的推移而循环。

下面显示的是我写的一段代码，任何人都可以建议一个更好的方法来完成任务吗？

import sys ; import numpy as np ; import scipy as sp ; from scipy.interpolate import interp2d ;import datetime ; import time ; import pygrib as pg ; 
grb_f=pg.open('20150331/gfs.20150331.grb2')  lat=tmp[0].data(lat1=4,lat2=42,lon1=64,lon2=102)[1] ; lat=lat[:,0]; 
lon=tmp[0].data(lat1=4,lat2=42,lon1=64,lon2=102)[2] ; lon=lon[0,:] ; 
temp=np.empty((0,lon.shape[0]))
for i in range(0,tmp.shape[0]):
    dat=tmp[i].data(lat1=4,lat2=42,lon1=64,lon2=102)
    temp=np.concatenate([temp,dat[0]-273.15],axis=0)
temp1=temp.reshape(tmp.shape[0],lat.shape[0],lon.shape[0])
x=77 ; y=28 #(many points) 
f=interp2d(lon,lat, temp1[0,:,:],kind='linear',copy=False,bounds_error=True ) ; Z=f(x,y)

编辑::

我没有制作3D矩阵，而是垂直添加数据并制作大小为2541 X 77的数据矩阵以及大小为2541 X 1的lat和lon.interp2d函数给出无效长度误差。

f=interp2d(lon,lat, temp1[0,:,:],kind='linear',copy=False,bounds_error=True )

＆＃34;非矩形网格的输入z的长度无效＆＃34;）

ValueError：非矩形网格的输入z的长度无效

我的x，y，z矩阵的长度是相同的（2541,2541,2541）。那为什么会抛出一个错误？可以解释一下吗？我们将非常感谢您的帮助。

Answer 1

使用RedBlackPy非常容易处理时间序列。

 import datetime as dt
 import redblackpy as rb

 index = [dt.date(2018,1,1), dt.date(2018,1,3), dt.date(2018,1,5)]
 lat = [10.0, 30.0, 50.0]
 # create Series object
 lat_series = rb.Series(index=index, values=lat, dtype='float32',
                        interpolate='linear')
 # Now you can access at any key using linear interpolation
 # Interpolation does not create new items in Series
 # It uses neighbours to calculate value inplace when you call getitem
 print(lat_series[dt.date(2018,1,2)]) #prints 20

因此，如果您只想将内插值写入csv文件，则可以遍历所需键的列表并调用Series对象的getitem，然后将值放入文件：

 # generator for dates range
 def date_range(start, stop, step=dt.timedelta(1)):

     it = start - step

     while it < step:
         it += step
         yield it

 #------------------------------------------------
 # create list for keeping output strings
 out_data = []    
 # create output file
 out_file = open('data.csv', 'w')
 # add head for output table
 out_data.append('Time,Lat\n')

 for date in date_range(dt.date(2018,1,1), dt.date(2018,1,5)):
     out_data.append( '{:},{:}\n'.format(date, lat_series[date]) )

 # write output Series
 out_file.writelines(out_data)
 out_file.close()

以同样的方式将其添加到处理Lon数据中。

Answer 2

如果每次使用相同的lat和lon，你可以使用切片和手动插值来完成。因此，如果你想在lat = 4.875，lon = 8.4（显然你需要缩放以匹配你的实际间距）的1D数组值（

）

b = a[:,4:6, 8:10]
c = ((b[:,0,0] * 0.125 + b[:,0,1] * 0.875) * 0.6 + ((b[:,1,0] * 0.125 + b[:,1,1] * 0.875) * 0.4)

显然你可以在一条线上完成所有这一切，但它会更加丑陋

编辑以在每个时间段允许变量lat和lon。

lat = np.linspace(55.0, 75.0, 33)
lon = np.linspace(1.0, 25.0, 33)
data = np.linspace(18.0, 25.0, 33 * 77 * 77).reshape(33, 77, 77)

# NB for simplicity I map 0-360 and 0-180 rather than -180+180
# also need to ensure values on grid lines or edges work ok
lat_frac = lat * 77.0 / 360.0
lat_fr = np.floor(lat_frac).astype(int)
lat_to = lat_fr + 1
lat_frac -= lat_fr

lon_frac = lon * 77.0 / 180.0
lon_fr = np.floor(lon_frac).astype(int)
lon_to = lon_fr + 1
lon_frac -= lon_fr

data_interp = ((data[:,lat_fr,lon_fr] * (1.0 - lat_frac) +
                data[:,lat_fr,lon_to] * lat_frac) * (1.0 - lon_frac) +
               (data[:,lat_to,lon_fr] * (1.0 - lat_frac) +
                data[:,lat_to,lon_to] * lat_frac) * lon_frac)

Answer 3

如果您想创建一个“插补器”对象，并使用它来按顺序查询您需要的特定点，您可以在scipy.interpolate.Rbf模块中获取战利品：

“用于径向基函数近似/ n维散乱数据插值的类。”

如果您调整时间和空间维度之间的比率，n-dimensional适用于您的数据，scattered意味着您也可以将其用于常规/统一数据。

python中带网格数据的线性插值

3 个答案: