两点云之间的3D插值

Question

我想在CFD模拟的网格的每个节点上插值定义在另一个网格上的一组温度。

原始数据来自csv（X1，Y1，Z1，T1），我想在X2，Y2，Z2网格上找到新的T2值。

从SCIPY为我们提供的众多可能性中，哪一种更适合该应用程序？线性方法和最近节点方法有什么区别？

谢谢您的时间。

编辑

这里是一个例子：

import numpy as np
from scipy.interpolate import griddata
from scipy.interpolate import LinearNDInterpolator

data = np.array([
        [ -3.5622760653000E-02,  8.0497122655290E-02,  3.0788827491158E-01],
        [ -3.5854682326000E-02,  8.0591522802259E-02,  3.0784350432341E-01],
        [ -2.8168760240000E-02,  8.0819296043557E-02,  3.0988532075795E-01], 
        [ -2.8413346037000E-02,  8.0890746063578E-02,  3.1002054434659E-01],
        [ -2.8168663383000E-02,  8.0981744777379E-02,  3.1015319609412E-01], 
        [ -3.4150537103000E-02,  8.1385114641365E-02,  3.0865343388355E-01],
        [ -3.4461673349000E-02,  8.1537336777452E-02,  3.0858242919307E-01], 
        [ -3.4285601228000E-02,  8.1655884824782E-02,  3.0877386496235E-01],
        [ -2.1832991391000E-02,  8.0380712111108E-02,  3.0867371621337E-01], 
        [ -2.1933870390000E-02,  8.0335713699008E-02,  3.0867959866155E-01]])

temp = np.array([1.4285955811000E+03,
                 1.4281038818000E+03,
                 1.4543135986000E+03,
                 1.4636379395000E+03,
                 1.4624763184000E+03,                    
                 1.3410919189000E+03,
                 1.3400545654000E+03,
                 1.3505817871000E+03,
                 1.2361110840000E+03,
                 1.2398562012000E+03])

linInter= LinearNDInterpolator(data, temp)
print (linInter(np.array([[-2.8168760240000E-02,  8.0819296043557E-02,  3.0988532075795E-01]])))

此代码有效，但是我有一个1000万个点的数据集要插值到相同大小的数据集上。

问题在于，对于我的所有观点，此操作都非常缓慢：有没有办法改善我的代码？

我使用LinearNDinterpolator是因为它似乎比NearestNDInterpolator（LinearVSNearest）快。

Answer 1

一种解决方案是使用RegularGridInterpolator（如果您的网格是常规的）。我可以想到的另一种方法是通过设置间隔来减少数据大小：

step = 4   # you can increase this based on your data size (eg 100)
m = ((data.argsort(0) % step)==0).any(1)
linInter= LinearNDInterpolator(data[m], temp[m])