我的数据是一个常规的3D网格,作为最简单的示例,我在这里给出了用于简单多维数据集的简单h5文件的代码,并使用RegularGridInterpolator
函数进行插值。但是,我想知道如何更改代码,以便可以从此插值函数中派生代码?为了您的方便,我在这里提供了我的代码:
用于生成h5文件的代码:
import numpy as np
import h5py
def f(x,y,z):
return 2 * x**3 + 3 * y**2 - z
x = np.linspace(-1, 1, 2)
y = np.linspace(-1, 1, 2)
z = np.linspace(-1, 1, 2)
mesh_data = f(*np.meshgrid(x, y, z, indexing='ij', sparse=True))
h5file = h5py.File('cube.h5', 'w')
h5file.create_dataset('/x', data=x)
h5file.create_dataset('/y', data=y)
h5file.create_dataset('/z', data=z)
h5file.create_dataset('/mesh_data', data=mesh_data)
h5file.close()
插值代码:
import numpy as np
import h5py
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from scipy.interpolate import RegularGridInterpolator
from mpl_toolkits.mplot3d.art3d import Poly3DCollection, Line3DCollection
f = h5py.File('cube.h5', 'r') #importing h5 file from gevolution output
list(f.keys())
dset = f[u'mesh_data']
dset.shape
dset.value.shape
dset[0:2,0:2,0:2]
x = np.linspace(-1, 1, 2)
y = np.linspace(-1, 1, 2)
z = np.linspace(-1, 1, 2)
def deriv_interp(x, y, z, dset):
d_dset = np.gradient(dset)
deriv_interpolators = [RegularGridInterpolator((x, y, z), d, method = 'linear') for d in d_dset]
def interp(x,y,z):
return np.dstack([d(x,y,z) for d in deriv_interpolators])
return interp
pts = np.array([0.2, 0.9, 0.6])
deriv_interpolators(pts)
答案 0 :(得分:0)
我认为RegularGridInterpolator
对于找到导数没有任何有用的属性,因为它只能进行线性或最近邻插值,因此它实际上并没有在引擎盖下创建类似的东西。据我所知,您需要某种n-d多项式插值器,该插值器似乎未在scipy
中实现。当然,您总是可以在网格数据上使用np.gradient
,然后为每个维度创建另一组迭代器。
def deriv_interp(x, y, z, dset):
d_dset = np.gradient(dset)
deriv_interpolators = [RegularGridInterpolator((x, y, z), d, method = 'linear') for d in d_dset]
def interp(coord):
return np.dstack([d(coord) for d in deriv_interpolators])
return interp
还没有真正检查过,但这应该是总的想法。
答案 1 :(得分:0)
不能 100% 确定您要实现的目标,也许您已经尝试过类似的方法,但是呢:
import jax
finterp=RegularGridInterpolator((x, y, z), meshdata, method = 'linear')
gradf=jax.grad(finterp)
或者你可以试试:
gradf=jax.grad(f)