Optimization 存储scipy griddata使用的权重以供重用

我正在尝试将数据从一个非结构化网格M1插值到另一个非结构化网格M2。为此，

scipy.interpolate.griddata

似乎不错

但是，我需要从M1到M2进行多次插值，只更改数据，而不更改网格。我猜想，在内部，

scipy.interpolate.griddata

定义了从M1插值到M2时的一些权重系数，这可能是计算中代价高昂的部分之一

因此，我希望避免每次重新计算这些重量。有办法做到这一点吗？也就是说，从一个非结构化网格到另一个非结构化网格进行多次插值，两者都保持不变，避免重新计算

scipy.interpolate.griddata

（或等效物）？

解决方案是将scipy函数与预计算的三角剖分一起使用：

from scipy.spatial import Delaunay
from scipy.interpolate import LinearNDInterpolator

tri = Delaunay(mesh1)  # Compute the triangulation

# Perform the interpolation with the given values:
interpolator = LinearNDInterpolator(tri, values_mesh1)
values_mesh2 = interpolator(mesh2)

mesh1

是一个（点数*dim）数组

注：可用于非线性插值

griddata

使用

LinearNDInterpolator

或

CloughtoHer2dInterpolator

您能帮我解决类似问题吗