我基本上有一组大的（GB）数据集，其中包含我需要进行最近插值的点。本质上，它是一个时间函数的标量/矢量场。我知道scipy.interpolate及其所有优点，而且我一直在使用它。然而，我意识到数据的空间结构在时间上是恒定的（欧拉），所以一旦我弄清楚哪个指数对应于这个或那个插值点，比如第一个时间步，我就可以获得那些指数，并且相同的索引应该能够为其他时间创建相同形状的插值数据。从本质上讲，它可以省去一次又一次重新插值数据的步骤。
我愿意自己这样做，但我想检查是否已经有一种方法可以做到这一点，可能不是scipy而是其他地方。 scipy.interpolate没有任何现成的东西，看起来它可以做到这一点。如果没有答案，我会发布我的解决方案。
最后要注意的是，网格是欧拉但不是常规的并且有可能重复，因此需要最近的插值 。我可以（并且已经）对空间点进行词法排序，这有助于快速查找。
答案 0 :(得分：2)
k-D trees通常用于对多维数据进行分区，以便执行快速最近邻搜索。
例如，scipy.interpolate.NearestNDInterpolator基本上只是scipy.spatial.cKDTree的包装（参见源代码here）。 cKDTree.query将返回最近邻居索引以及给定输入坐标集的相应距离。