Question

我有一个看起来像图A的表面，想象这是顶视图。表面计算了Z值。

现在我需要在新点中找到所有Z值，如图B.如何做到这一点？我尝试了scipy.interpolate.interp2d，但它给出了一些奇怪的结果：

我只是想在＆＃34;图＆＃34;中找到自定义x和自定义x。

Mimimal代码示例

func_int = scipy.interpolate.interp2d([point[0] for point in pointsbottom],[point[1] for point in pointsbottom],[point[2] for point in pointsbottom], kind = 'linear')
pointscaption = map(lambda point:(point[0],point[1],func_int(point[0],point[1])),pointscaption)

其中pointsbottom是（x，y，z）列表，pointscaption是（x，y，z）列表，但我需要找到新的z。

Answer 1

请尝试使用griddata：

    grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear')

不同之处在于griddata期望常规数据作为输入（嗯...，我认为）。并不是说你应该有不同的结果，而是你能更快地发现问题。你可以掩盖＆＃34;常规网格＆＃34;数据很容易。

我的第一个猜测是那些输入坐标不是你期望的那样（可能与你正在计算的功能有不同的比例），但没有测试就很难说。

在任何情况下，你似乎都想要一个表面，根据定义，它是一种网格数据，因此使用这个不同的框架来发现问题应该相当容易。

编辑（关于海报怀疑的进一步考虑）：

让我们说你想要一些你想在里面输入一些数据的对象。完成此操作后，您希望能够使用该数据估算任何位置。为此，您可以构建一个这样的类：

    import numpy as np

    class Estimation():
        def __init__(self,datax,datay,dataz):
            self.x = datax
            self.y = datay
            self.v = dataz

        def estimate(self,x,y,using='ISD'):
            """
            Estimate point at coordinate x,y based on the input data for this
            class.
            """
            if using == 'ISD':
                return self._isd(x,y)

        def _isd(self,x,y):
            d = np.sqrt((x-self.x)**2+(y-self.y)**2)
            if d.min() > 0:
                v = np.sum(self.v*(1/d**2)/np.sum(1/d**2))
                return v
            else:
                return self.v[d.argmin()]

此示例使用反向平方距离方法，该方法对于估计非常稳定（如果避免除以零）。它不会很快但我希望它是可以理解的。从这一点开始，您可以通过以下方式估算2D空间中的任何点：

    e = Estimation(datax,datay,dataz)
    newZ = e.estimate(30,55) # the 30 and 55 are just example coordinates

如果您要对整个网格执行此操作：

    datax,datay = np.random.randint(0,100,10),np.random.randint(0,100,10)
    dataz       = datax/datay

    e = Estimation(datax,datay,dataz)

    surf = np.zeros((100,100))
    for i in range(100):
        for j in range(100):
            surf[i,j] = e.estimate(i,j)

您将获得一个可以使用的图像，例如，matplotlib（其中颜色代表表面的高度）：

    import matplotlib.pyplot as plt
    plt.imshow(surf.T,origin='lower',interpolation='nearest')
    plt.scatter(datax,datay,c=dataz,s=90)
    plt.show()

这个实验的结果如下：

如果您不想使用ISD（反向平方距离），只需在Estimation类上实现一个新方法。这是你在找什么？

从不规则的点集开始，插入3D表面中的Z值

1 个答案: