Python 函数应如何使用metpy的_到_点插值？

我想将地理参考数据重新划分为一个特定的网格，在lat和lon维度上具有不同的分辨率。之前我会使用

basemap.interp

，但是这个basemap已经死了。 我正在试验

metpy

包，而

metpy.interpolate\u to\u points

似乎是合适的候选者。只是，从中，我无法计算出应该输入的参数的格式。 内容如下：

点（类似数组的形状（n，D））–数据点的坐标。 值（类似数组、形状（n，）–数据点的值。席 （数组_-like，shape（M，D））–插入数据的点

关于“点”，我尝试将其作为一维阵列、二维网格（使用np.meshgrid获得），并以lon优先或lat优先的方式提供。“xi”也一样。例如：

从metpy.interpolate导入interpolate_到_点
out\u lons，out\u lats=np.meshgrid（out\u lons\u 1Darray，out\u lats\u 1Darray）
缩尺数组=插值到点（[单位，单位]，输入数组，[单位，单位]）

无论我从哪个尝试中获得

ValueError：操作数无法与形状（192，）（288，）

---

非常感谢您对我的错误提出的任何建议。

此函数包装了

scipy.interpolate.griddata

，您可以查看它们的文档

他们的示例显示了以下内容，其作用与

metpy.interpolate.interpolate_to_points

函数相同：

def func(x, y):
    return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2

grid_x, grid_y = np.mgrid[0:1:100j, 0:1:200j]
points = np.random.rand(1000, 2)
values = func(points[:,0], points[:,1])
grid_out = interpolate_to_points(points, values, (grid_x, grid_y))

---

只需提及，对于任何可能仍对快速解决方案感兴趣的人来说，以允许的基线图进行插值：从基线图源代码复制并使用

interp

函数工作正常，因为它不依赖于基线图本身的任何其他内容。谢谢。它只是简单地包装了

scipy.interpolate.griddata

而没有引起我的注意。现在很清楚了，只需要对网格化数据进行一些改组和扁平化。