我的问题是使用scipy.interpolate.RectBivariateSpline函数来插值2D网格。我本质上是在尝试模拟Matlab的interp2函数的功能。
对于特定的（轻）用例，我在x和y向量上调用RectBivariateSpline，它们是规则间隔的，单调递增的向量，例如：
x = np.arange(0., 20., 1.) # shape (20,)
y = np.arange(0., 20., 1.) # shape (20,)
和一些2D字段，例如：
fld = np.reshape(np.arange(0., 400., 1.), (20, 20)) # shape (20, 20)
即：
fn = sp.interpolate.RectBivariateSpline(x, y, fld)
为了评估插值，然后，在特定的xi，yi坐标（或数组，服从numpy广播），文档建议调用RectBivariateSpline.ev函数，即：
val1 = fn.ev(1, 1) # Ans: 21
val2 = fn.ev([1, 2], [1, 2]) # Ans: [21, 22]
这允许用户找到一个插值，例如（xi，yi）=（1.5,1.5）或许多插值，比如在特定域（常规或不规则网格）上。
我的问题是：对于大型xi，yi数组，如何让fn.ev调用更快？与Matlab interp2调用相比，它非常慢（数量级或更差）。
在调试器中调用函数之后，我发现ev实际上是RectBivariateSpline.__call__的包装器。这也是对Scipy插值功能所基于的fitpack函数（在C / Fortran中）的调用的包装器。 __call__函数有一个可选的关键字grid，默认为False，ev不存在，这允许您传递两个定义正交网格的向量。调用grid设置为True会导致调用fitpack例程bispev，这比调用fitpack ev的文档bispeu函数快得多。 （我假设性能提升是因为bispev利用了常规网格，而bispeu可能只是循环遍历所有索引对......虽然我不确定。）
无论如何，我想以这样一种方式调用一个.ev类似的函数，我可以插入一个可能不完全正常（但很接近）的网格，并且会比当前调用更快。 bispeu。 “规范化”网格并使用bispev是一个选项，最终结果是PRETTY接近，并且例程比这更快（20倍！）...但是，Matlab {{1允许略微不规则的网格并以相同的速度计算。我曾经考虑过尝试编写自己的C函数，但是我非常怀疑我能做的这么低，比Scipy中已有的并且由天才编写的更好。 ：）
那么..有没有办法让我的蛋糕也可以吃？是否有一些非常棘手的方法我可以调用样条评估器？我已经考虑过为fitpack调用制作我自己的定制包装器...但是fitpack的文档并不是很容易获得（当然不是我的Scipy版本），如果可能的话，我想避免额外的工作。还要注意这个问题特别令人讨厌，因为我必须调用它两次，一次是我原始字段的实部和虚部（Matlab需要复杂的网格）。在一天结束时，我想给Matlab提供BOOT ......但这个速度问题可能是一个杀手。
感谢您的时间。