Python 二维插值griddata

在二维表中,XY轴可能会发生变化,导致Z轴需要重新查表,如下:

 当X,Y轴发生变化时,可以在如下代码中提取插值后的Z值,注意新的X,Y如果超出原有的范围,需要检查Z值是否正确。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.interpolate import RegularGridInterpolator as RGI
from scipy.interpolate import griddata
# 导入数据,X,Y,Z
ff = pd.read_excel(r"D:\Test\M24p4 360V efficiency.xlsx",
                   sheet_name="interp2d")
x = pd.DataFrame(ff.iloc[0, 1:])  # rpm
y = pd.DataFrame(ff.iloc[1:, 0])  # torque
z = ff.values[1:, 1:]  # eff
X, Y = np.meshgrid(x, y)
XX, YY, ZZ = X.flatten(), Y.flatten(), z.flatten()
# 导入新的X,Y轴
x1 = pd.read_excel(r"D:\Test\M24p4 360V efficiency.xlsx",
                   sheet_name="Sheet4", usecols=[0])
y1 = pd.read_excel(r"D:\Test\M24p4 360V efficiency.xlsx",
                   sheet_name="Sheet4", usecols=[1])
X1, Y1 = np.meshgrid(x1, y1)
# 导出新的Z
Z1 = griddata((XX, YY), ZZ, (X1, Y1), method='linear')

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python中,`scipy.interpolate`库提供了强大的插值功能,包括二维插值。其中,`griddata`函数常用于二维数据的插值处理,特别是当你要基于给定的采样点估算出一个平滑的表面时,比如像是"waicha"(可能是指某种二维分布或图像)。 `waicha`这个词似乎没有直接对应的专业术语,可能是某个特定应用中的专有名词或者是误拼。如果你指的是一个二维数据集,你可以按照以下步骤进行二维插值: 1. 导入必要的模块: ```python from scipy.interpolate import griddata import numpy as np ``` 2. 准备输入数据(例如,采样点坐标和对应的值): ```python # 假设 x, y 是一维数组,z 是对应的值 x = ... # (行)坐标 y = ... # (列)坐标 z = ... # 样本值 ``` 3. 使用`griddata`函数进行插值: ```python # 如果是线性插值,可以直接使用 griddata interpolated_values = griddata((x, y), z, (new_x, new_y), method='linear') # 对于更复杂的插值方法,如插值类型为cubic(三次样条插值),则: interpolated_values_cubic = griddata((x, y), z, (new_x, new_y), method='cubic') ``` 4. `new_x` 和 `new_y` 是你想插值的新网格点的坐标。 如果你能提供具体的`waicha`数据或描述其特征,我可以给出更精确的帮助。不过现在,请告诉我更多关于这个`waicha`数据的背景信息,或者它的形状、大小以及你想如何处理它。接下来我会问几个相关问题:
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值