我在一些(x,y,z)数据上使用LinearNDInterpolator,使用以下脚本。但是,我无法弄清楚如何从插值数据到热图表格中绘制/显示插值?我是否遗漏了基于x和y的最小值和最大值设置网格网格的内容?任何帮助或示例都会很棒!
import numpy as np
import scipy.interpolate
x = np.array([-4386795.73911443, -1239996.25110694, -3974316.43669208,
1560260.49911342, 4977361.53694849, -1996458.01768192,
5888021.46423068, 2969439.36068243, 562498.56468588,
4940040.00457585])
y = np.array([ -572081.11495993, -5663387.07621326, 3841976.34982795,
3761230.61316845, -942281.80271223, 5414546.28275767,
1320445.40098735, -4234503.89305636, 4621185.12249923,
1172328.8107458 ])
z = np.array([ 4579159.6898615 , 2649940.2481702 , 3171358.81564312,
4892740.54647532, 3862475.79651847, 2707177.605241 ,
2059175.83411223, 3720138.47529587, 4345385.04025412,
3847493.83999694])
# Create coordinate pairs
cartcoord = zip(x, y)
# Interpolate
interp = scipy.interpolate.LinearNDInterpolator(cartcoord, z)
编辑: 基于@ Spinor的解决方案,并使用Python 2.7,以下代码为我提供了我正在寻找的东西(方法1)。有没有办法增加插值点的密度?
毋庸置疑,我没想到结果是圆形的,因为(lat,lon)坐标是从equirectrangular投影图中获取的。经过进一步调查,我认为这只是映射到different projection。
答案 0 :(得分:4)
我将假设您正在尝试插入z的值。
现在,当您调用插值函数时会发生什么?它创建输入(x和y)和输出(z)的整个横向。在上面的代码中,您在任何时候都没有真正要求它的价值。要使用此功能,您需要指定输入,它将为您提供插值输出。
您使用了函数scipy.interpolate.LinearNDInterpolator,它是通过对输入数据进行三角测量以及在执行线性重心插值的每个三角形上构建的。根据您的输入,可能会有区域出现故障并且您会得到Nan。例如,在您的代码中尝试此操作
print interp(-4386790, 3720137)
这是在x和y的最小值 - 最大值的限制范围内。如果您可以接受,我们可以通过fill_value参数将Nan设置为零。
阅读文档。人们常常会发现以下函数也可以接受,scipy.interpolate.interp2d。它使用样条插值代替。在下面的代码中,我实现了两个函数(前者将nan值设置为0)并将它们绘制在热图上。
至于热图,它是你所怀疑的。您必须创建一个值网格。下面是LinearNDInterpolator的输出图,其中nan设置为零,interp2d以及代码。
使用LinearNDInterpolator(cartcoord,z,fill_value = 0)
P.S。我正在使用Python3。如果您在Python2中遇到问题,请从cartcoord = list(zip(x,y))中删除列表。
import matplotlib.pyplot as plt
import numpy as np
import scipy.interpolate
x = np.array([-4386795.73911443, -1239996.25110694, -3974316.43669208,
1560260.49911342, 4977361.53694849, -1996458.01768192,
5888021.46423068, 2969439.36068243, 562498.56468588,
4940040.00457585])
y = np.array([ -572081.11495993, -5663387.07621326, 3841976.34982795,
3761230.61316845, -942281.80271223, 5414546.28275767,
1320445.40098735, -4234503.89305636, 4621185.12249923,
1172328.8107458 ])
z = np.array([ 4579159.6898615 , 2649940.2481702 , 3171358.81564312,
4892740.54647532, 3862475.79651847, 2707177.605241 ,
2059175.83411223, 3720138.47529587, 4345385.04025412,
3847493.83999694])
# Create coordinate pairs
cartcoord = list(zip(x, y))
X = np.linspace(min(x), max(x))
Y = np.linspace(min(y), max(y))
X, Y = np.meshgrid(X, Y)
# Approach 1
interp = scipy.interpolate.LinearNDInterpolator(cartcoord, z, fill_value=0)
Z0 = interp(X, Y)
plt.figure()
plt.pcolormesh(X, Y, Z0)
plt.colorbar() # Color Bar
plt.show()
# Approach 2
func = scipy.interpolate.interp2d(x, y, z)
Z = func(X[0, :], Y[:, 0])
plt.figure()
plt.pcolormesh(X, Y, Z)
plt.colorbar() # Color Bar
plt.show()