Question

我有以下最小代码，使用scipy.interpolate.interp2d对2d网格数据进行插值。

import numpy as np
from scipy import interpolate
x = np.arange(-5.01, 5.01, 0.25)
y = np.arange(-5.01, 5.01, 0.25)
xx, yy = np.meshgrid(x, y)
z = np.sin(xx**2+yy**2)
f = interpolate.interp2d(x, y, z, kind='cubic')

现在 f 可以用于评估其他点。问题是我要评估的点是完全随机的点，没有形成规则的网格。

# Evaluate at point (x_new, y_new), in total 256*256 points
x_new = np.random.random(256*256)
y_new = np.random.random(256*256)
func(x_new, y_new)

这将在我的PC中导致运行时错误，似乎将x_new和y_new视为网状网格，生成评估矩阵65536x65536，这不是我的目的。

RuntimeError: Cannot produce output of size 65536x65536 (size too large)

一种完成任务的方法是使用代码逐个评估点：

z_new = np.array([f(i, j) for i, j in zip(x_new, y_new)])

但是，它慢！!!!

%timeit z_new = np.array([f(i, j) for i, j in zip(x_new, y_new)])

1.26 s ± 46.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

有没有更快的方法来评估随机点？

这里的更快意味着与下面的时间相当：

x_new = np.random.random(256)
y_new = np.random.random(256)

%timeit f(x_new, y_new)

相同的256 * 256 = 65536个评估，需要在我的PC上进行：

1.21 ms ± 39.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

速度不必达到1.21ms，完全可以接受121ms。

Answer 1

您要寻找的功能是mounted

给出一组点（x，y，z），其中x和y在常规网格上定义，它允许您对中间（x，y）点的z值进行采样。您的情况如下所示：

scipy.interpolate.RegularGridInterpolator

有关更多详细信息，请参见https://docs.scipy.org/doc/scipy-0.16.1/reference/generated/scipy.interpolate.RegularGridInterpolator.html

Scipy对结构化2d数据进行插值，但在非结构化点上求值吗？

有没有更快的方法来评估随机点？

1 个答案: