scipy AND 对 NaN 进行插值

Question

我一直无法弄清楚如何使用 scipy.interpolate 函数（LinearNDInterpolator、griddata 或最好是 NearestNDInterpolator）

网上有一些教程，但我很困惑我的数据需要采用什么形式。 nearestND 的在线文档很糟糕。

函数要求：

    x : (Npoints, Ndims) ndarray of floats
         Data point coordinates.
    y : (Npoints,) ndarray of float or complex
         Data point values.

我有以下形式的数据：lat,long,data,time 保存在 xarray 数据集中。数据有些不足我想补上

我不明白如何告诉函数我的 x 点。我已经尝试将 (lat,long) 作为元组和 np.meshgrid(lat,long) 但似乎无法实现。

关于如何将我的经纬度坐标传递给函数的任何帮助？时间坐标的奖励点以及通过第三维度使估计更稳健。

谢谢！

Answer 1

i have tried (lat,long) as a tuple

如果 lat 和 long 是一维数组或列表，试试这个：

points = np.array((lat, long)).T # make a 2D array of shape Npoints x 2
nd = NearestNDInterpolator(points, data)

您可以将内插值计算为 nd(lat1, long1)，等等

Answer 2

Scipy 为非结构化数据和定期放置在网格上的数据点提供 multivariate interpolation methods。非结构化数据意味着数据可以作为无序点列表提供。您的数据似乎是结构化的：它是一个大小为 (480, 2040) 的数组。但是，NearestNDInterpolator 适用于非结构化数据。 flatten 方法可用于将数组转换为值列表 (1d)（长度为 480*2040）。坐标也必须这样做。 meshgrid 用于获取网格每个点的坐标，再次 flatten 用于获取 "list" 的二维坐标（形状为 480*2040 x 2 的数组）。

这是一个从结构化数据到非结构化数据的示例：

import numpy as np

lat = np.linspace(2, 6, 10)
lon = np.linspace(5, 9, 14)

latM, lonM = np.meshgrid(lat, lon)  # M is for Matrix

dataM = np.sin(latM)*np.cos(lonM)  # example of data, Matrix form

from scipy.interpolate import NearestNDInterpolator

points = np.array((latM.flatten(), lonM.flatten())).T
print( points.shape )
# >>> (140, 2)

f_nearest = NearestNDInterpolator(points, dataM.flatten())
f_nearest(5, 5)

在这种情况下使用 NaN 应该不是什么大问题，因为它只是列表中的一个缺失点，除了缺失点的坐标也必须从列表中删除。

scipy AND 对 NaN 进行插值

scipy ND Interpolating over NaNs

python

interpolation

numpy

scipy

python-xarray