python中时间序列的二维网格插值

我正在处理来自netCDF文件的气候数据。来自不同模型的数据具有不同的分辨率-因此，有必要将模型“重新划分”为公共网格分辨率。数据是三维的（时间、纬度、经度）。为了重新网格化，我在每个时间步将旧网格线性插值到新网格上

我正在寻找一种方法来提高循环通过每个时间步的过程的效率，因为

scipy.interpolate.interp2d

一次只能处理两个维度

是否有任何方法可以有效地在时间序列的两个维度上线性重新栅格/插值，而无需对循环执行

（如下所示）

*注意：我使用numpy memmaps将文件写入磁盘和从磁盘写入，因为它们通常太大而无法在内存中处理，而使用xarray dataarray来处理netCDF文件。
我认为不可能避免循环，但因为您的网格在（lon，lat）中是规则的您可以按照建议使用更快的
矩形双变量样条线

此外，
xarray
还添加了一层代码不使用的索引，这可能会不必要地降低速度。特别是，如果您的数据存储在文件
xarray
中，则只有在被要求读取数据时，才会将其读出

例如，您可以执行以下操作：

并将索引循环替换为：

对于枚举中的t，z（z_old）：
#z是2d数组，但不确定此循环是否快得多
另外，仅供参考，您可以使用它来加快速度
 该工具中有一个
reglid（）
方法，可帮助插值到新网格上，而无需手动循环时间片。可以为函数指定要插值到的目标栅格：

var1_regrid = var1.regrid(ref_var.getGrid())
var2_regrid = var2.regrid(ref_var.getGrid())
var3_regrid = var3.regrid(ref_var.getGrid())

因此，可以将它们放入如下计算中：

diff = var1_regrid - ref_var

var1_regrid = var1.regrid(ref_var.getGrid())
var2_regrid = var2.regrid(ref_var.getGrid())
var3_regrid = var3.regrid(ref_var.getGrid())

diff = var1_regrid - ref_var