Question

我正在尝试使用Python将复杂值从一个不规则网格插入到另一个不规则网格中。网格是2D的，有103,113个数据点。我使用的是Python 2.6.6，Scipy 0.7.2，Numpy 1.3.0，Matplotlib 0.99.3

在Matlab中使用griddata，大约需要5秒钟。

BnGRID2  = griddata(R_GRID1,Z_GRID1,BnGRID1,R_GRID2,Z_GRID2) (MATLAB)

（注意所有阵列都是201 x 513）

但是，如果我尝试使用matplotlib.mlab.griddata，即使我尝试仅使用真实部分，我也会得到一个memoryError：

mlab.griddata(R_GRID1.flatten(),Z_GRID1.flatten(),num.real(BnGRID1.flatten()),R_GRID2.flatten(),Z_GRID2.flatten())

如果我尝试使用interp2d，我会遇到分段错误而Python退出：

a = interp.interp2d(R_GRID1,Z_GRID1,num.real(BnGRID1))

我尝试过使用KDTree，这似乎工作正常，但是，与Matlab的几秒相比，它需要几分钟，但我还没有太多地探讨这个选项。

想知道是否有人有任何想法我怎么能像Matlab一样快地完成这项工作？我注意到Scipy的新版本也有griddata，有没有人知道这是否可以处理大的不规则网格？

Answer 1

Scipy的griddata似乎能够毫无问题地处理这种大小的数据集：

import numpy as np
import scipy.interpolate

# old grid
x, y = np.mgrid[0:1:201j, 0:1:513j]
z = np.sin(x*20) * (1j + np.cos(y*3))**2   # some data

# new grid
x2, y2 = np.mgrid[0.1:0.9:201j, 0.1:0.9:513j]

# interpolate onto the new grid
z2 = scipy.interpolate.griddata((x.ravel(), y.ravel()), z.ravel(), (x2, y2), method='cubic')

对于旧的AMD Athlon，griddata步骤大约需要5秒。

如果您的数据在网格上（即，对应于值z [i，j]的坐标是（x [i]，y [j]）），您可以使用scipy.interpolate.RectBivariateSpline获得更快的速度

z3 = (scipy.interpolate.RectBivariateSpline(x[:,0], y[0,:], z.real)(x2[:,0], y2[0,:])
 + 1j*scipy.interpolate.RectBivariateSpline(x[:,0], y[0,:], z.imag)(x2[:,0], y2[0,:]))

需要0.05秒。它的速度要快得多，因为即使网格间距不规则，只要网格是矩形的，就可以使用更有效的算法。

在Python中将大的不规则网格插入到另一个不规则网格中

1 个答案: