Numpy 等间距数据的N-D插值

我正在尝试复制Scipy Cookbook函数：

from scipy import ogrid, sin, mgrid, ndimage, array
x,y = ogrid[-1:1:5j,-1:1:5j]
fvals = sin(x)*sin(y)
newx,newy = mgrid[-1:1:100j,-1:1:100j]
x0 = x[0,0]
y0 = y[0,0]
dx = x[1,0] - x0
dy = y[0,1] - y0
ivals = (newx - x0)/dx
jvals = (newy - y0)/dy
coords = array([ivals, jvals])
newf = ndimage.map_coordinates(fvals, coords)

通过使用我自己的函数，该函数必须适用于许多场景

import scipy
import numpy as np
"""N-D interpolation for equally-spaced data"""                                         
x = np.c_[plist['modx']]                                                                
y = np.transpose(np.c_[plist['mody']])                                                  
pdb.set_trace()                                                                         
#newx,newy = np.meshgrid(plist['newx'],plist['newy'])                                   
newx,newy = scipy.mgrid[plist['modx'][0]:plist['modx'][-1]:-plist['remapto'],               
                     plist['mody'][0]:plist['mody'][-1]:-plist['remapto']]                                                                                        
x0 = x[0,0]                                                                             
y0 = y[0,0]                                                                             
dx = x[1,0] - x0                                                                        
dy = y[0,1] - y0                                                                        
ivals = (newx - x0)/dx                                                                  
jvals = (newy - y0)/dy                                                                  
coords = scipy.array([ivals, jvals])                                                    
for i in np.arange(ivals.shape[0]):                                                     
    nvals[i] = scipy.ndimage.map_coordinates(ivals[i], coords)                                                                                                                              

我很难让这个代码正常工作。问题在于： 1.）重新创建此行：newx，newy=mgrid[-1:1:100j，-1:1:100j]。在我的例子中，我有一个向量形式的网格字典。我试图使用np.meshgrid重新创建这一行，但在coords=scipy.array（[ivals，jvals]）行上出现了一个错误。我正在寻找一些帮助来重新创建这个食谱功能，使它更具活力 非常感谢您的帮助

---

/M

您应该查看有关的文档。我看不出您试图插入的实际数据在代码中的位置。我的意思是，假设你有一些数据

输入

，它是

x

和

y

的函数；i、 e.

input=f（x，y）

要插值的。在您显示的第一个示例中，这是数组

fvals

。这应该是

映射坐标的第一个参数

例如，如果您尝试输入的数据是
input
，它应该是形状
（len（x），len（y））
的二维数组，则插入的数据将是：

interpolated_data = map_coordinates(input, coords)

你说网格是“向量”形式是什么意思？你能发布一个数组的样本吗？很抱歉。我所说的向量是一维数组。例如，plist['modx']例如，plist['modx''modx']阵列（[10.125,9.875,7.875,5.625,5.625,4.5,3.5,3.5,5.5,5.5 5 5,7.75,5.5 5,7.75,5.5 5,5.5,5.5,5,3.5,3.375,3.5,3.375,3.5,3.5,3.375,3.5,3.5,1.25,1.25,1.125,1.125,1.125,1.125，-1.125，-1.125、1.125，-1.125，-1.125，--1.125，--1.125，-0、-0，--0、-0、-1.125，--1.125，--2.25，--2.25，--2.25，--2.25，--2.25，--PTO']0.703125输入IVAS具有尺寸（19,19）。假设该函数将分辨率从1.125提高到0.703125。您从当前代码中得到了什么错误？此外，您当前的代码示例不是有效的python。有一个
return
语句不在函数内部。当前窗体的“坐标数组的形状无效”。我必须重新排列它以获得np.meshgrid的错误。ivals是一个2D数组（19,19），coords有了新的形状，但它是3D的：（2,31,31）。cookbook的例子是有效的，但我一直从coords那里得到一个错误。我仍然无法让这个插值工作。在阅读了关于map_坐标和重写函数之后，我得到了错误的结果。数据被篡改和替换。这种2D双线性插值在scipy中是否可行？请编辑您的问题并发布更新的代码，最好是使用小示例数组，然后发布您期望的内容和得到的内容。Map_坐标导致的结果不正确且有些混乱。有效的解决方案使用griddata。这里是它的要点：lats=plist['xlats']；lons=plist['xlons']；lat_old，lon_old=np.meshgrid（lats，lons）lon_new=plist['newx']+lon；lat_new=plist['newy']+lat_new=lat_new[：-1]nvals[i]=matplotlib.mlab.griddata（lat_old.flatte（），lon_old.flatte（），ivals[i].flatte（），lat_new，lon_new）