python插值算法_基于SciPy规则网格的Python快速二维插值算法

我有一个规则的训练值网格(向量x和y分别有xmesh和ymesh网格以及zmesh的已知值)，但有一个要插值的分散/不规则值组(向量x I和yI，其中我们对zI[0]=f(xI[0]，yI[0])。。。zI[N-1]=f(xI[N-1]，yI[N-1])。作为优化问题的一部分，这种插值将被调用数百万次，因此性能太重要，不能简单地使用生成网格和获取跟踪的方法。

到目前为止，我已经找到了一个接近我想要的scipy.interpolate函数，Bpf函数。但是，因为它有一个分散的输入，我假设它没有很好的性能，我想用样条曲线，线性，最近邻插值方法来测试它，我理解得更好，我预计会更快。所有实现这些的方法，我可以发现，将规则网格作为训练数据(如RectBivariateSpline)似乎也需要规则网格来插值。

希望这段代码能说明我的问题。import numpy as np

import scipy as sp

import scipy.interpolate as interp

x = np.arange(0,2*np.pi,.1)

y = x

xmesh,ymesh = np.meshgrid(x,y)

zmesh = np.sin(xmesh)+np.cos(ymesh)

rbf = interp.Rbf(xmesh, ymesh, zmesh, epsilon=2)

xI = np.arange(0,np.pi,.05)

yI = xI

XI, YI = np.meshgrid(xI,yI)

# Notice how this is happy to take a vector or grid as input

zI = rbf(xI, yI)

ZI = rbf(XI,YI) # equiv. to zImesh

myspline = interp.RectBivariateSpline(x, y, zmesh)

# myspline takes vectors as input but makes them into meshes for evaluation

splineoutput = myspline(xI, yI)

# myspline returns ZI but I want zI

print(splineoutput)

print(ZI)

print(zI)

有什么我可以做的，使用一个函数，如矩形二元样条函数，但得到zI(矢量)而不是zI(网格)？或者，是否有另一个函数族可以像我希望的那样在其他优化方法上工作，如果是，我应该寻找什么？

只是一个快速提醒，我要找的是一个快速的优化技术，对相对较大的数据数组(20000多个条目)，网格点之间的距离很小，而且数据非常平滑。我怀疑有一个很好的，简单的方法来处理现有的库，但是我找不到。谢谢你的帮助。