python三维插值从规则网格到散点_插值三维数据（不规则垂直网格）到规则垂直网格。优化循环...

我正在处理一个3D领域。水平网格是不规则的，垂直网格也是不规则的，并且在水平网格中不同的节点(由于sigma垂直坐标)。在

我想在一个规则的垂直坐标上插值这些数据，现在我发现的唯一方法是循环每个水平点，然后做一个简单的1D垂直插值。这很容易实现(见下面的一个简单示例)，但完全没有效率(在我的原始情况下，插入一个时间步长需要10分钟，我有超过10000个时间步来进行后处理)

#! /usr/bin/python

将numpy作为np导入

从scipy import interpolate## Horizontal mesh

x = range(0,300); y = range(0,200)

[X,Y] = np.meshgrid(x,y)

## Input

z1 = np.array([0.,5.,10.,20.,50.,100.,200.,500.,1000.])

Z_in = np.zeros((z1.shape[0],X.shape[0],X.shape[1]))

for i in range(0,X.shape[0]):

for j in range(0,X.shape[1]):

Z_in[:,i,j] = z1[:]

Z_in = Z_in+np.random.randint(-2,2,size=(z1.shape[0],X.shape[0],X.shape[1]))

var_in = np.random.randint(-10,10,size=(z1.shape[0],X.shape[0],X.shape[1]))

## Output

zout = np.array([0.,2.5,5.,7.5,10.,15.,20.,35.,50.,75.,100.,150.,200.,500.,1000.])

var_out = np.zeros((zout.shape[0],X.shape[0],X.shape[1]))

##Interpolation

for i in range(0,X.shape[0]):

for j in range(0,X.shape[1]):

var_out[:,i,j] = interpolate.interp1d(Z_in[:,i,j],var_in[:,i,j],bounds_error=False,fill_value=np.nan)(zout)

如果我的初始垂直网格在每个点上都是规则的，那么根据之前的文章，这将很容易(http://stackoverflow.com/questions/7755871/interpolating-a-3d-array-in-python-how-to-avoid-for-loops)但就我而言，我找不到一个简单的解决办法。我试着用一个映射函数：

^{pr2}$

但是我还是遇到了interp1d错误：“ValueError:x数组必须只有一个维度。”你知道有其他方法来实现这个吗？我执行错误了吗？我很乐意有其他的建议。在

提前谢谢你。在