用LinearNDInterpolator外推
我有一个三维数据集，我想要插值和外推线性。利用scipy.interpolate.LinearNDInterpolator可以方便地进行插补。该模块只能为参数范围以外的值填充一个常量/nan，但我不明白它为什么不提供打开外推的选项。
查看代码，我看到模块是用cython编写的。由于没有使用cython的经验，很难使用代码来实现外推。我可以用纯python代码编写它，但也许这里的其他人有更好的想法？我的特殊情况涉及一个常量的xy网格，但是z值一直在变化(-100,000)，因此插值必须是快速的，因为每次z值变化时，插值都会运行。
为了给出一个基本的例子，如所请求的，让我们说我有一个网格，如
xyPairs = [[-1.0, 0.0], [-1.0, 4.0],
[-0.5, 0.0], [-0.5, 4.0],
[-0.3, 0.0], [-0.3, 4.0],
[+0.0, 0.0], [+0.0, 4.0],
[+0.2, 0.0], [+0.2, 4.0]]假设我想在x = -1.5, -0.8, +0.5和y = -0.2, +0.2, +0.5上计算值。目前，我正在对每个y值沿x轴进行一维插值/外推，然后对每个x值沿y轴进行插值/外推。外推是由ryggyr's answer中的第二个函数完成的。
回答 3
Stack Overflow用户
发布于 2014-01-31 15:04:15
我提出了一个方法，代码很糟糕，但我希望它能帮助你。这样做的想法是，如果预先知道必须外推的界限，则可以在数组的边缘添加具有线性外推值的额外列/行，然后在新数组上进行内插。下面是一个例子，一些数据将被外推，直到x=+-50和y=+-40为止：
import numpy as np
x,y=np.meshgrid(np.linspace(0,6,7),np.linspace(0,8,9)) # create x,y grid
z=x**2*y # and z values
# create larger versions with two more columns/rows
xlarge=np.zeros((x.shape[0]+2,x.shape[1]+2))
ylarge=np.zeros((x.shape[0]+2,x.shape[1]+2))
zlarge=np.zeros((x.shape[0]+2,x.shape[1]+2))
xlarge[1:-1,1:-1]=x # copy data on centre
ylarge[1:-1,1:-1]=y
zlarge[1:-1,1:-1]=z
# fill extra columns/rows
xmin,xmax=-50,50
ymin,ymax=-40,40
xlarge[:,0]=xmin;xlarge[:,-1]=xmax # fill first/last column
xlarge[0,:]=xlarge[1,:];xlarge[-1,:]=xlarge[-2,:] # copy first/last row
ylarge[0,:]=ymin;ylarge[-1,:]=ymax
ylarge[:,0]=ylarge[:,1];ylarge[:,-1]=ylarge[:,-2]
# for speed gain: store factor of first/last column/row
first_column_factor=(xlarge[:,0]-xlarge[:,1])/(xlarge[:,1]-xlarge[:,2])
last_column_factor=(xlarge[:,-1]-xlarge[:,-2])/(xlarge[:,-2]-xlarge[:,-3])
first_row_factor=(ylarge[0,:]-ylarge[1,:])/(ylarge[1,:]-ylarge[2,:])
last_row_factor=(ylarge[-1,:]-ylarge[-2,:])/(ylarge[-2,:]-ylarge[-3,:])
# extrapolate z; this operation only needs to be repeated when zlarge[1:-1,1:-1] is updated
zlarge[:,0]=zlarge[:,1]+first_column_factor*(zlarge[:,1]-zlarge[:,2]) # extrapolate first column
zlarge[:,-1]=zlarge[:,-2]+last_column_factor*(zlarge[:,-2]-zlarge[:,-3]) # extrapolate last column
zlarge[0,:]=zlarge[1,:]+first_row_factor*(zlarge[1,:]-zlarge[2,:]) # extrapolate first row
zlarge[-1,:]=zlarge[-2,:]+last_row_factor*(zlarge[-2,:]-zlarge[-3,:]) #extrapolate last row然后，您可以插值(xlarge，ylarge，zlarge)。因为所有的操作都是numpy片操作，所以我希望它对您来说足够快。当z数据被更新时，在zlarge[1:-1,1:-1]中复制它们并重新执行最后4行。
Stack Overflow用户
发布于 2018-02-12 23:54:17
使用最近插值和线性插值的组合。如果LinearNDInterpolator不能插值，则返回np.nan，否则返回数组大小(1) NearestNDInterpolator返回浮点数
import scipy.interpolate
import numpy
class LinearNDInterpolatorExt(object):
def __init__(self, points,values):
self.funcinterp=scipy.interpolate.LinearNDInterpolator(points,values)
self.funcnearest=scipy.interpolate.NearestNDInterpolator(points,values)
def __call__(self,*args):
t=self.funcinterp(*args)
if not numpy.isnan(t):
return t.item(0)
else:
return self.funcnearest(*args)Stack Overflow用户
发布于 2020-12-07 05:45:15
我稍微修改了@Keith的答案，这对我很有用(注意到它并不是线性地推断--它只使用最近的邻居)：
import numpy as np
from scipy.interpolate import LinearNDInterpolator as linterp
from scipy.interpolate import NearestNDInterpolator as nearest
class LinearNDInterpolatorExt(object):
def __init__(self, points, values):
self.funcinterp = linterp(points, values)
self.funcnearest = nearest(points, values)
def __call__(self, *args):
z = self.funcinterp(*args)
chk = np.isnan(z)
if chk.any():
return np.where(chk, self.funcnearest(*args), z)
else:
return zhttps://stackoverflow.com/questions/20516762
复制相似问题
腾讯云开发者
