Python作业辅导员

在科学计算和数据处理领域，数据插值是我们经常面对的问题。尽管 numpy 自身提供了 numpy.interp 插值函数，但只能做一维线性插值，因此，在实际工作中，我们更多地使用 scipy 的 interpolate 子模块。关于 numpy 和 scipy 的关系，有兴趣的话，可以参考拙作《数学建模三剑客MSN》。 遗憾的是，scipy.interpolate 只提供了一维和二维的插值算法，而...

手头有中国区900百帕高度上的某时刻温度数据集，这个数据集包括3个数组：经度数组、纬度数组、温度数组。各数组值域范围如下：东经28.644232° ~ 177.3808°，北纬3.2973719° ~ 59.27192°，温度205.01515°K ~ 366.69788°K，共计18952个数据点，散列在一个倒三角区域内。

大约七八年前，我曾经用 pyOpenGL 画过地球磁层顶的三维模型，这段代码至今仍然还运行在某科研机构里。在那之前，我一直觉得自己是一个合（you）格（xiu）的 python 程序员，似乎无所不能。但磁层顶模型的显示效果令我沮丧——尽管这个模型只有十几万个顶点，拖拽、缩放却非常卡顿。最终，我把顶点数量删减到两万左右，以兼顾模型质量和响应速度，才勉强交付了这个任务。从此我开始怀疑 python 的性能，甚至一度怀疑 python 是否还是我的首选工具。

不管是不是巴萨的球迷，只要你喜欢足球，就一定听说过梅西(Messi)、苏亚雷斯(Suarez)和内马尔(Neymar)这个MSN组合。在众多的数学建模辅助工具中，也有一个犀利无比的MSN组合，他们就是python麾下大名鼎鼎的 Matplotlib + Scipy + Numpy三剑客。