插值离散的点网格

Question

我试图将一组点（下图中的紫色点）转换为插值网格时引用this question和this documentation。

正如您所看到的，图像中缺少点应该的点。我想知道它们在哪里。

import numpy as np
from scipy import interpolate

CIRCLES_X = 25 # There should be 25 circles going across
CIRCLES_Y = 10 # There should be 10 circles going down

points = []
values = []
# Points range from 0-800 ish X, 0-300 ish Y 
for point in points:
    points.append([points.x, points.y])
    values.append(1) # Not sure what this should be

grid_x, grid_y = np.mgrid[0:CIRCLES_Y, 0:CIRCLES_X]
grid = interpolate.griddata(points, values, (grid_x, grid_y), method='linear')
print(grid)

每当我打印出网格的结果时，我的所有值都会得到nan。

我哪里错了？我的问题甚至是interpolate.grid的正确用例吗？

Answer 1

首先，你的不确定点主要在边缘，所以它实际上是extrapolation。其次，scipy中内置的插值方法处理在整个平面上定义的连续函数，并将其近似为多项式。虽然你的是离散的（1或0），有些是周期性的而不是多项式的，只是在一个离散的＆＃34;网格中定义的＃34;分数。

所以你必须发明一些算法来/推断你的特定功能。您是否能够重复使用现有的 - 来自scipy或其他地方 - 取决于您。

• 一种可能的方法是替换它用一些函数（连续或不连续）定义，然后计算缺失点的近似值 - 是否作为scipy.interpolate的一步非类函数执行或作为两个单独的步骤。

  • e.g。你可以使用一个三维抛物线，它的点和波峰恰好在它们之间。或者只是在点中的那些和空白中的0并且希望在网格点中得到的近似值足以给出有意义的结果（可能随机过量）。然后，您可以使用scipy.interpolate.RegularGridInterpolator进行插值和外推。

  • 或作为和声功能 - 那么你所寻求的是Fourier transformation

• 另一种可能的方法是直接寻求一个离散的解决方案，而不是试图扼杀持续的数据分析。你的案例中的方法：设计一个（可能是完全自定义的）算法，该算法试图找出＆＃34;形状＆＃34;和＆＃34;尺寸＆＃34;您的＆＃34;点网格＃34;然后只需填写空白。我不确定是否可以将其作为可选算法添加到scipy.interpolate的线束中，除了内置的算法之外。

最后但并非最不重要。 您没有说明＆＃34;是否缺少＆＃34;点是值未知的点或数据的实际部分 - 即数据不正确。如果是后者，简单插值根本不适用，因为它假定所有数据都是严格的正确。然后它是一个相关但又不同的问题：你可以近似数据，但必须以某种方式＆＃34;扔掉违规行为＆＃34; （某些点之后小的实体的更高阶）。