Python 在散乱数据中寻找最近点

我正在努力提高使用gridfit插值的大型数据集的插值速度。我已经发布了一个关于stackoverflow的帖子，但还没有得到回复

所以，我想尝试一些替代品。我的想法是，如果我有一个巨大的数据集，如下面的Python代码片段所示

arr_len = 932826
xi = np.random.uniform(low=0, high=4496, size=arr_len)
yi = np.random.uniform(low=-74, high=492, size=arr_len)
zi = np.random.uniform(low=-30, high=97, size=arr_len)

我必须插值并得到定义点的值，比如（x，y）。从散列数据席、彝、子中找到4个相邻点的最快方法，可以使用In Pd（参见下面的图像）进行双线性插值。我不知道这是否会比使用gridata更快地得到结果，但最好尝试一下

---

我想你想的基本上是最近邻回归。以下是如何使用scikit learn实现这一点。请注意，考虑的邻居数4是一个任意选择，因此您也可以尝试其他值

将numpy导入为np
从sklearn.com导入Kneighbors回归器
arr_len=932826
np.随机种子（42）
席= NP，随机。一致（低= 0，高= 4496，大小= ARRYLLN）
yi=np.random.uniform（低=74，高=492，大小=arr_len）
zi=np.随机.均匀（低=30，高=97，大小=arr_len）
#获取z值的点（例如）：
x_new=[1005002000]
y_new=[400300100]
#在机器学习表示法中：
X_train=np.vstack（[xi，yi]）.T
y_train=zi
X_predict=np.vstack（[X_new，y_new]）.T
#将4-最近邻回归器拟合到训练数据
neigh=Kneighbors回归器（n_近邻=4）
neigh.fit（X_列车，y_列车）
#获取“插值”z值
打印（neigh.predict（X_predict））

---

我想你可以把那些

xi

，

yi

，

zi

传给

interp2d

？“x，y和z是用于近似某个函数f:z=f（x，y）的值数组。该类返回一个函数，其调用方法使用样条插值来查找新点的值。”@AKX:我尝试过，但interp2d无法处理如此大的数据集，所以想考虑一下备选方案Show是否定义了“4个相邻点”？具体来说，在图片中，如果X1是小于x的所有席的最大值，Y1是小于Y的所有彝族的最大值，那么X1和Y1不一定属于数据集中的同一点，对吗？所以你可能不知道Q11的z值。或者我遗漏了什么？也许你想做的基本上是最近邻回归？如果是这样，您可以使用scikit learn:@Arne:是的，您是对的，如果我们按照您的定义进行搜索，那么我们可能会得到离散点，这可能不会给出Q11。我当时的想法是将该区域划分为4个象限，然后搜索象限中的所有点。然后根据距离x，y的距离对最近的点进行排序，以获得唯一的数字。但随后它也感觉到了计算密集！非常感谢你优雅的态度。学习一种新方法真的很好我的一个问题是，在某些区域中不存在任何数据，但由于它使用最近的，所以无论如何它会用一些数据填充它。我怎样才能避免呢？例如，如果在x+/-x1和y+/-y1范围内不存在任何数据，那么是否有任何方法拒绝这些点的计算值，而是使用NaN。我知道我可以手动操作，但我想知道它是否可以直接在代码中处理我还发现，由于我的数据集非常密集，使用gridfit和“最近”选项可以提供几乎类似的结果，就像我使用“线性”插值一样，而且速度也非常快，因为它只需要取最近的值，你能告诉我，当它检查最近的数据时，它会查看探测点周围的数据吗？例如，如果我们在给定点周围的四个象限中定义数据，它会在预测值之前查看所有四个象限，还是只查看4个最近点，或x个最近点（取决于我们在邻域中指定的数量），以避免预测空区域，您可以使用

radiunighborsregrestor

而不是

kneighborsregreservator

。它将使用指定半径内的所有点进行预测，如果没有，它将输出

NaN

。请参阅：正如我在上面编写的代码一样，4个最近邻用于预测，其中“最近”是指根据欧几里得距离。但是您也可以通过指定

metric

参数来选择其他度量。见：

[39.37712018  4.36600728 47.00192216]