我正在尝试将数据从非结构化网格M1插入到另一个非结构化网格M2。对于这一点,scipy.interpolate.griddata
似乎不错。
但是,我需要从 M1 到 M2 进行多次插值,仅更改数据而不更改网格。我猜想,在内部,scipy.interpolate.griddata
在从 M1 插值到 M2 时定义了一些权重系数,这可能是其中之一计算的昂贵部分。
因此,我想避免每次都重新计算这些权重。有没有办法做到这一点?即,从一个非结构化网格多次插值到另一个非结构化网格,两者都保持不变,从而避免重新计算 scipy.interpolate.griddata (或等效项)的内部结构?
最佳答案
解决方案是使用 LinearNDInterpolator
具有预先计算的 Scipy 函数 Delaunay三角测量:
from scipy.spatial import Delaunay
from scipy.interpolate import LinearNDInterpolator
tri = Delaunay(mesh1) # Compute the triangulation
# Perform the interpolation with the given values:
interpolator = LinearNDInterpolator(tri, values_mesh1)
values_mesh2 = interpolator(mesh2)
mesh1
是一个(点数 * 暗淡)数组。
注:CloughTocher2DInterpolator
可用于非线性插值。 griddata
使用 LinearNDInterpolator
或 CloughTocher2DInterpolator
。
关于optimization - 存储 scipy griddata 使用的权重以供重复使用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51858194/