Python 如何重塑numpy阵列以与scipy插值一起使用？

我有3个numpy阵列，具有long、lat和rain值：

[-7.4989786799999996, -7.5215012000000003, -7.4764561599999997, -7.4989786799999996, -7.5215012000000003, -7.4764561599999997]

[41.90415308, 41.90415308, 41.90415308, 41.881630559999998, 41.881630559999998, 41.881630559999998]

[0.020928397800000002, 0.0299166963, 0.0171956848, 0.0340920761, 0.0429551788, 0.0301877651]

---

Scipy插值需要1个具有3个不同LON的数组，另一个具有2个不同LON的数组和一个3x2 rain值数组。我如何重塑它们？

听起来你想要一个二维插值

例如，让我们使用一些与您类似的随机数据并绘制它：

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(1) # Make example exactly reproducable

num_points = 20
lon = 0.1 * np.random.random(num_points) - 7.5
lat = 0.1 * np.random.random(num_points) + 41.8
z = 0.05 * np.random.random(num_points)

fig, ax = plt.subplots()
artist = ax.scatter(lon, lat, c=z, s=200, cmap='gist_earth')
fig.colorbar(artist)
ax.axis('tight')
plt.show()

在这种情况下，插值算法的最佳选择是某种径向基函数（例如样条曲线）。在scipy中，这是

scipy.interpolate.Rbf

：

import scipy.interpolate

interp = scipy.interpolate.Rbf(lon, lat, z, function='linear')

# 20x20 grid of points to interpolate on
yy, xx = np.mgrid[lat.min():lat.max():20j, lon.min():lon.max():20j]

zi = interp(xx, yy)

# Plot the results
fig, ax = plt.subplots()
artist = ax.scatter(lon, lat, c=z, s=100, cmap='gist_earth',
                     vmin=zi.min(), vmax=zi.max())
ax.pcolormesh(xx, yy, zi, cmap='gist_earth')
ax.axis('tight')
plt.show()

---

听起来你想要一个2D插值

例如，让我们使用一些与您类似的随机数据并绘制它：

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(1) # Make example exactly reproducable

num_points = 20
lon = 0.1 * np.random.random(num_points) - 7.5
lat = 0.1 * np.random.random(num_points) + 41.8
z = 0.05 * np.random.random(num_points)

fig, ax = plt.subplots()
artist = ax.scatter(lon, lat, c=z, s=200, cmap='gist_earth')
fig.colorbar(artist)
ax.axis('tight')
plt.show()

在这种情况下，插值算法的最佳选择是某种径向基函数（例如样条曲线）。在scipy中，这是

scipy.interpolate.Rbf

：

import scipy.interpolate

interp = scipy.interpolate.Rbf(lon, lat, z, function='linear')

# 20x20 grid of points to interpolate on
yy, xx = np.mgrid[lat.min():lat.max():20j, lon.min():lon.max():20j]

zi = interp(xx, yy)

# Plot the results
fig, ax = plt.subplots()
artist = ax.scatter(lon, lat, c=z, s=100, cmap='gist_earth',
                     vmin=zi.min(), vmax=zi.max())
ax.pcolormesh(xx, yy, zi, cmap='gist_earth')
ax.axis('tight')
plt.show()

---

我的问题是，我必须考虑3个不同的连接数组。尝试重塑我的问题是，我必须考虑3个不同的连接数组。非常清楚（和仔细地解释）。然而，我的问题是关于阵列重塑。我也做了一些努力。@Hugo-你用的是哪种插值函数？对于大多数阵列，您不需要重新调整阵列的形状。我正在使用RectBivariateSpline@Hugo-矩形双变量样条线不适用于你的情况。它用于插值已经在常规网格上的数据。你大概在处理“分散”的输入数据。不。我处理的是“矩形”网格，而不是“四边形”网格。纬度和经度之间的距离是不同的。非常清楚（谨慎）的解释。然而，我的问题是关于阵列重塑。我也做了一些努力。@Hugo-你用的是哪种插值函数？对于大多数阵列，您不需要重新调整阵列的形状。我正在使用RectBivariateSpline@Hugo-矩形双变量样条线不适用于你的情况。它用于插值已经在常规网格上的数据。你大概在处理“分散”的输入数据。不。我处理的是“矩形”网格，而不是“四边形”网格。经纬度之间的距离是不同的。