Python 忽略nan值的二维插值

如何让interp2d忽略nan值

我有一个曲面x和y，具有任意值z

x =   np.array([[9.19632, 9.62141, 10.0829, np.isnan, np.isnan],
        [9.21164, 9.64347, 10.1392, 10.5698,  np.isnan],
        [9.22175, 9.65439, 10.1423, 10.6301, 11.0323],
        [9.21632, 9.67060, 10.1474, 10.6230, 11.0818]])

y =  np.array([[11.5466,11.6485,11.7619, np.isnan, np.isnan],
        [12.4771, 12.5460, 12.5453, 12.7142, np.isnan],
        [13.5578, 13.5581, 13.5505, 13.5309, 13.6081],
        [14.5653, 14.5504, 14.5036, 14.5145, 14.5060]])

z = np.array([[0.466113, 0.0484404, -0.385355, np.isnan, np.isnan],
        [0.366125, -0.160165, -0.548668, -0.888301,np.isnan],
        [-0.0970777, -0.346734, -0.826576, -1.08412, -1.33129],
        [-0.259981, -0.586938, -1.03477, -1.32384, -1.61500]])

我已经能够使用遮罩阵列生成上面的彩色网格，但是当我尝试使用2d插值创建更精细的网格时，我失败了。下面是我到目前为止所做的，请注意，我将nan值设置为零以获得该值，因此很明显，它会弄乱“正确”的插值。相反，我希望忽略它们，并将参数留空

f = interp.interp2d(x,y,z, kind='linear')
xnew = np.arange(9,11.5, 0.01)
ynew = np.arange(9,15, 0.01)
znew = f(xnew, ynew)


levels = np.linspace(zmin, zmax, 15)
plt.ylabel('Y', size=15)
plt.xlabel('X', size=15)
cmap = plt.cm.jet_r
cmap.set_bad('white',0.1) # set nan to white
cs = plt.contourf(xnew, ynew, znew, levels=levels, cmap=cmap)
cbar = plt.colorbar(cs)
cbar.set_label('Z', rotation=90, fontsize=15) # gas fraction
plt.show()

---

我想简单地创建一个平滑的彩色图，其中x和y绑定的区域根据z着色。

我不知道为什么interp2d在不规则间隔的数据上有问题，我建议使用griddata，您可以使用

ravel

将输入数据平放到向量中，然后消除NaN，并将其用作griddata的输入，你会得到这样的东西

代码与您拥有的代码没有太大区别

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

x =   np.array([[9.19632, 9.62141, 10.0829,np.isnan,np.isnan],
    [9.21164, 9.64347, 10.1392, 10.5698,np.isnan],
    [9.22175, 9.65439, 10.1423, 10.6301, 11.0323],
    [9.21632, 9.67060, 10.1474, 10.6230, 11.0818]])

y =  np.array([[11.5466,11.6485,11.7619,np.isnan,np.isnan],
    [12.4771, 12.5460, 12.5453, 12.7142,np.isnan],
    [13.5578, 13.5581, 13.5505, 13.5309, 13.6081],
    [14.5653, 14.5504, 14.5036, 14.5145, 14.5060]])

z = np.array([[0.466113, 0.0484404, -0.385355,np.isnan,np.isnan],
    [0.366125, -0.160165, -0.548668, -0.888301,np.isnan],
    [-0.0970777, -0.346734, -0.826576, -1.08412, -1.33129],
    [-0.259981, -0.586938, -1.03477, -1.32384, -1.61500]])

x=x.ravel()              #Flat input into 1d vector
x=list(x[x!=np.isnan])   #eliminate any NaN
y=y.ravel()
y=list(y[y!=np.isnan])
z=z.ravel()
z=list(z[z!=np.isnan])


xnew = np.arange(9,11.5, 0.01)
ynew = np.arange(9,15, 0.01)
znew = griddata((x, y), z, (xnew[None,:], ynew[:,None]), method='linear')



levels = np.linspace(min(z), max(z), 15)
plt.ylabel('Y', size=15)
plt.xlabel('X', size=15)
cmap = plt.cm.jet_r
cs = plt.contourf(xnew, ynew, znew, levels=levels, cmap=cmap)
cbar = plt.colorbar(cs)
cbar.set_label('Z', rotation=90, fontsize=15) # gas fraction
plt.show()

---

如果您必须外推数据（请查看下面的注释），您可以使用

SmoothBivariateSpline

并使用样条线的顺序，我不推荐使用它，我会告诉您原因

代码与您最初的代码更接近

from scipy.interpolate import SmoothBivariateSpline

x=x.ravel()
x=(x[x!=np.isnan])
y=y.ravel()
y=(y[y!=np.isnan])
z=z.ravel()
z=(z[z!=np.isnan])

xnew = np.arange(9,11.5, 0.01)
ynew = np.arange(10.5,15, 0.01)

f = SmoothBivariateSpline(x,y,z,kx=1,ky=1)

znew=np.transpose(f(xnew, ynew))

当kx=1和ky=1

f=SmoothBivariateSpline（x，y，z，kx=1，ky=1）

当kx=2和ky=2时，您可以得到：

当kx=3和ky=3时，得到：

---

我改变了3张图片的级别，这样更容易看到。但是，检查刻度，在采样区域之外，这些值可能会很快变得疯狂，因此，如果必须进行外推，请勤勉地进行外推

谢谢-比interp2d工作得更好。是否可以为输入网格之外的xnew和ynew坐标外推z值？您可以使用“fill_value”关键字将它们设置为常量，或者使用“nearest”方法创建一个相当难看的近似值。然而，我希望在每个xnew，ynew处进行平滑的外推，以便填充参数空间。2d中的外推是一个非常重要的问题，取决于您正在做什么，最好是使用NaN，以便您知道它在采样区域之外，但如果必须，可能线性外推是一个安全的赌注，但你可以很快出界。我将编辑答案，以包含一些使用

SmoothBivariateSpline

进行外推的图像。我同意，您必须小心二维外推，这是一个很好的例子。请您编辑一下，以显示您是如何输入

SmoothBivariateSpline

类的。谢谢你的帮助。当然，我是一个不同的导入，我会加上它，代码更接近你原来的是转置（！）。现在有道理了：）