Python 两个数组上ckdtree搜索的矢量化循环

我有一个csv文件，其中包含随机位置的纬度、经度和高程值。我想应用IDW插值来生成规则网格。我使用scipy.spatial.cKDTree进行最近邻搜索，并在未知点查找高程值。 当输出栅格具有尺寸（z<1000 X1000）时，以下代码可以正常工作。如果维数增加，代码运行速度会非常慢。请帮助我使用cKDTree将for循环矢量化，而不删除。多谢各位

## Inverse distance weighted function
def idw(p, dist, values):

    dist_pow = np.power(dist, 2)
    nominator = np.sum(values/dist_pow)
    denominator = np.sum(1/dist_pow)
    if denominator > 0:
        return nominator/denominator
    else:
        return none
## Reading the lat/lon and elevation values from file
lat = []
lon = []
ele = []

with open('VSKP_ground_dat.csv') as read:
    csvreader = csv.DictReader(read)
    for row in csvreader:
        lat.append(float(row['LAT']))
        lon.append(float(row['LON']))
        ele.append(float(row['ALT']))
xycoord = np.c_[lon,lat]
ele_arr = np.array(ele)

## ------------- Creating KDTree
point_tree = spatial.cKDTree(xycoord, leafsize=25)
## ------------- Creating empty grid matrix with np.zeros
xmin, xmax, ymin, ymax  = 81.903158, 83.352158, 17.25856, 18.40056
## --------- Defining resolution
xres, yres = 0.01, 0.01

x = np.arange(xmin, xmax, xres)
y = np.arange(ymin, ymax, yres)
z = np.zeros((x.shape[0], y.shape[0]), dtype=np.float16)


for i, val1 in enumerate(x):
    for j, val2 in enumerate(y):
        p = np.array([val1, val2])
        # points_idx = point_tree.query_ball_point(p, dist_2)
        distances, points_idx = point_tree.query(p, k=6, eps=0)
        ele_vals = ele_arr[points_idx]
        value = idw(p, distances, ele_vals)
        z[i,j] = value

---

首先，将

idw

函数设置为在上一个索引上工作：

def idw(dist, values, p = 2):
    out = np.empty(dist.shape[:-1])
    mask = np.isclose(dist, 0).any(-1)
    out[mask] = values[np.isclose(dist, 0)]                   # should be only one per point
    dist_pow = np.power(dist[~mask], -p)                      # division is costly, do it once
    nominator = np.sum(values[~mask] * dist_pow, axis = -1)  # over mask to prevent divide by zero
    denominator = np.sum(dist_pow, index = -1)
    out[~mask] = nominator / denominator
    return out

然后根据

np.meshgrid

输出执行其余操作

x = np.arange(xmin, xmax, xres)                           # len i
y = np.arange(ymin, ymax, yres)                           # len j
xy = np.stack(np.meshgrid(x, y), axis = -1)               # shape(i, j, 2)
distances, points_idx = point_tree.query(xy, k=6, eps=0)  # shape (i, j, 6)
ele_vals = ele_arr[points_idx]                            # shape (i, j, 6)
z = idw(distances, ele_vals)                              # shape (i, j)

---

什么是

idw

功能？您需要将其矢量化，以删除循环的

，因此请检查并确保变量名称一致。我假设
p
和
point
应该是同一件事？谢谢你的回复。是的，P和点是相同的（我的错误），IDW是反距离加权插值函数。你有这个函数的代码吗？你能把它编辑成问题吗？（同样，编辑你的代码要正确，编辑问题中的代码是不受欢迎的，除非发问者）我已经添加了这个功能并更正了循环中的拼写错误。使用cKDTree的循环花费了很长时间。我正在获取spatial.cKDTree.cKDTree.query value错误：x必须由长度为2的向量组成，但具有形状（2，115，145）。我采用了
lat=[17.749405，17.788955，17.805596，17.817568，…]
和
lon=[81.903658，81.940228，81.97914，82.008435，82.009833，82.03696，…]
是的，忘记了
np.stack
中的
轴以获得正确的形状。很抱歉这很有效。请将IDW功能中的
索引
更改为
轴
，如果可能，请详细解释IDW功能。谢谢你的帮助。