python中基于自然邻域的散乱数据空间插值
我试图对一个巨大的物体的温度进行插值,这个物体由一个叫做PbWO4的闪烁体构成。有10个称为“卫星”的外部温度传感器,可以帮助我只参考4个点的内部温度。我面临的主要问题是,scipy的griddata方法和griddata方法计算了身体中所有顶点的温度,加起来可以达到200万(200mm*100mm*100mm)。这项任务需要做很多次,我问自己,这里是否有人有类似的问题,只在这4个点上插值,而不是在200万点上插值。你可以在下面看到我的尝试python中基于自然邻域的散乱数据空间插值,python,scipy,interpolation,temperature,spatial-interpolation,Python,Scipy,Interpolation,Temperature,Spatial Interpolation,我试图对一个巨大的物体的温度进行插值,这个物体由一个叫做PbWO4的闪烁体构成。有10个称为“卫星”的外部温度传感器,可以帮助我只参考4个点的内部温度。我面临的主要问题是,scipy的griddata方法和griddata方法计算了身体中所有顶点的温度,加起来可以达到200万(200mm*100mm*100mm)。这项任务需要做很多次,我问自己,这里是否有人有类似的问题,只在这4个点上插值,而不是在200万点上插值。你可以在下面看到我的尝试 class Interpolate: def
class Interpolate:
def __init__(self, xpos, ypos, zpos, data):
self.x = np.asarray(xpos)
self.y = np.asarray(ypos)
self.z = np.asarray(zpos)
self.v = np.asarray(data)
self.points = np.array([self.x, self.y, self.z]).T
self.dx = int(max(self.x) - min(self.x) + 1)
self.dy = int(max(self.y) - min(self.y) + 1)
self.dz = int(max(self.z) - min(self.z) + 1)
self.xg = np.linspace(min(self.x), max(self.x), self.dx)
self.yg = np.linspace(min(self.y), max(self.y), self.dy)
self.zg = np.linspace(min(self.z), max(self.z), self.dz)
self.grid_linear = tuple(np.meshgrid(self.xg, self.yg, self.zg))
self.grid_natnei = [
[min(self.x), max(self.x) + 1, 1],
[min(self.y), max(self.y) + 1, 1],
[min(self.z), max(self.z) + 1, 1],
]
def return_value_at_point(self, point, data):
X, Y, Z = self.grid_linear
for i, j, k, l in zip(X, Y, Z, data):
for ii, jj, kk, ll in zip(i, j, k, l):
for iii, jjj, kkk, lll in zip(ii, jj, kk, ll):
if [iii, jjj, kkk] == point:
return lll
def do_interpolate_linear(self):
return griddata(self.points, self.v, self.grid_linear, method="linear")
def do_interpolate_natural(self):
return naturalneighbor.griddata(self.points, self.v, self.grid_natnei)
代码的执行方式如下:
为了研究测试用例,我使用了一个边长为20mm的立方体,其中心位于
x = [-10, -10, -10, -10, 10, 10, 10, 10]
y = [-10, -10, 10, 10, -10, -10, 10, 10]
z = [-10, 10, -10, 10, -10, 10, -10, 10]
v = [0, 0, 0, 0, 0, 0, 0, 100]
I = Interpolate(y, x, z, v)
interp_n = I.do_interpolate_natural()