python三维插值从规则网格到散点_将大型不规则网格插值到Python中的另一个不规则网格...

SciPy的公司的GridData似乎能够处理的数据集这种规模的没有问题：

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')

的一步的GridData大约需要一个旧的AMD Athlon 5秒。

如果你的数据在一个网格(即对应于z值[I，J]为(x [I]，Y [j])坐标)，您可以通过使用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0.05s。这要快得多，因为即使网格间距不规则，只要网格是矩形的，就可以使用更高效的算法。