Question

所以这是我一段时间以来一直试图以一种很好的方式解决的问题。

基本上，我有一些数据（光谱，即1000个不同波长的强度），这些数据取决于两个参数Z和A，尺寸分别为25和300。因此，我的数据是尺寸为1000x25x300的数组。我有两个数组，分别包含A和Z的不同值。

我想做的是找到我数据范围内任意值的A和Z的内插光谱（即强度为1000点）。

我觉得scipy griddata应该能够做到这一点，但是我无法弄清楚这样做的正确方法。

目前，我有：

Z-参数Z的25个测量值的数组

A-参数A的300个测量值的数组

Spec_data-实际光谱，由1000 x 25 x 300组成的数组

p_A-我要插入的A值

p_Z-我要插入的Z值

我想要什么：

out_spec-p_A和p_Z的光谱（长度为1000）。

我已经找到了解决类似问题的方法，但没有一个完全像这样。如果有人能指出正确的方向，我将不胜感激。

Answer 1

我不是100％确定这是否是您想要的，至少此示例有效。我将Spec_data的大小更改为(20, 5, 10)而不是(1000, 25, 300)，因为内插这么大的数组可能很耗时。

A = np.linspace(1, 10, 10)
Z = np.linspace(1, 5, 5)
Spec_data = np.random.randint(0, 2, size=(20,len(Z),len(A)))
p_A = 1.5
p_Z = 1.5

import numpy as np
from scipy.interpolate import interp2d

AA, ZZ = np.meshgrid(A,Z)
Spec_data_pAZ = np.ones(shape=Spec_data_pAZ.shape[0]) * np.nan
for i in range(len(Spec_data_pAZ)):
    f = interp2d(AA, ZZ, Spec_data[i])
    Spec_data_pAZ[i] = f([p_A],[p_Z])

print(Spec_data[0])
print(Spec_data_pAZ[0])

>>> [[0 1 1 1 0 0 1 1 1 1]
 [0 0 1 0 1 0 0 0 0 0]
 [1 0 1 0 0 1 0 1 1 1]
 [1 0 1 1 0 1 0 1 1 1]
 [1 0 1 0 1 1 1 1 1 1]]
>>> 0.24999999999999994

使用python中的griddata在二维中插值3D数据

1 个答案: