Python中使用SciPy规则网格的快速二维插值到散乱/不规则求值 我有一个规则的训练值网格（向量x和y，分别具有网格xMyz和yMyz和已知的ZMAX值），但要有一个分散的/不规则的/不规则的值组，要被插值（向量席和Yi，我们对Zi〔0〕＝f（席席〔0〕，易〕0）感兴趣…Zi[n-1 ]＝f（Xi〔N-1〕，Yi〔N-1〕）。作为优化问题的一部分，此插值将被调用数百万次，因此性能非常重要，不能简单地使用生成网格并获取跟踪的方法

到目前为止，我已经找到了一个接近我想要的scipy.interpolate函数，Bpf函数。但是，因为它讲述了一个分散的输入，我假设它没有很好的性能，我想用样条、线性和最近邻插值方法来测试它，我更了解这些方法，我希望它们会更快。所有实现这些的方法，我可以发现，将规则网格作为训练数据（如RectBivariateSpline）似乎也需要规则网格来插值

这段代码希望能明确我的要求

import numpy as np
import scipy as sp
import scipy.interpolate as interp

x = np.arange(0,2*np.pi,.1)
y = x
xmesh,ymesh = np.meshgrid(x,y)
zmesh = np.sin(xmesh)+np.cos(ymesh)
rbf = interp.Rbf(xmesh, ymesh, zmesh, epsilon=2)
xI = np.arange(0,np.pi,.05)
yI = xI
XI, YI = np.meshgrid(xI,yI)
# Notice how this is happy to take a vector or grid as input   
zI = rbf(xI, yI)
ZI = rbf(XI,YI) # equiv. to zImesh
myspline = interp.RectBivariateSpline(x, y, zmesh)
# myspline takes vectors as input but makes them into meshes for evaluation 
splineoutput = myspline(xI, yI) 
# myspline returns ZI but I want zI
print(splineoutput)
print(ZI)
print(zI)

我是否可以使用类似于矩形二元样条线的函数，但得到zI（向量）而不是zI（网格）？或者，是否有另一个函数族可以按照我希望的方式在其他优化方法上工作，如果是，我应该寻找什么

这只是一个简短的提醒，我正在寻找一种快速优化技术，用于处理相对较大的数据阵列（20000多个条目），网格点之间的距离很小，并且数据非常平滑。我怀疑有一种简单的方法可以满足我对现有库的需求，但我找不到。感谢您的帮助。

此：

例如，scipy v0.14.0中的

myspline.ev（xI，yI）

采用可选的

grid=

关键字参数，默认为

True

：

网格：bool

是在输入数组跨越的网格上还是在输入数组指定的点上评估结果

因此，您可以使用：

splineoutput = myspline(xI, yI, grid=False)

---

这似乎正是我想要的。我知道有一些内置的东西可以帮助我。谢谢！也可以看到这个关于n维情况的答案：