基于大量 xy 点从二维数组中提取插值

Question

我有一个相当大的 1000 x 4000 像素 xr.DataArray return 来自 OpenDataCube 查询，以及一大组（> 200,000）的 xy 点值. 我需要将数组采样到 return 每个 xy 点下的值，以及 return 内插值 （例如，如果该点落在0 和一个 1.0 像素，值 returned 应该是 0.5).

xr.interp 让我可以轻松地对插值进行采样，但它 return 是所有 x 和 y 值的每个组合的巨大矩阵，而不仅仅是每个 xy 点本身的值。我试过使用 np.diagonal 只提取 xy 点值，但这很慢，很快就会遇到内存问题并且感觉效率低下，因为我仍然需要等待每个值的组合被插值通过 xr.interp.

可重现的例子

（仅使用 10,000 个样本点（理想情况下，我需要可以扩展到 > 200,000 或更多的样本点）：

# Create sample array
width, height = 1000, 4000
val_array = xr.DataArray(data=np.random.randint(0, 10, size=(height, width)).astype(np.float32),
                         coords={'x': np.linspace(3000, 5000, width),
                                 'y': np.linspace(-3000, -5000, height)}, dims=['y', 'x'])

# Create sample points
n = 10000
x_points = np.random.randint(3000, 5000, size=n)
y_points = np.random.randint(-5000, -3000, size=n)

当前方法

%%timeit

# ATTEMPT 1
np.diagonal(val_array.interp(x=x_points, y=y_points).squeeze().values)
32.6 s ± 1.01 s per loop (mean ± std. dev. of 7 runs, 1 loop each)

有谁知道实现此目的的更快或更有效内存的方法吗？

Answer 1

为了避免满格，需要引入新的维度。

x = xr.DataArray(x_points, dims='z')
y = xr.DataArray(y_points, dims='z')
val_array.interp(x=x, y=y)

将沿着新的 z 维度给你一个数组：

<xarray.DataArray (z: 10000)>
array([4.368132, 2.139781, 5.693636, ..., 3.7505  , 3.713589, 2.28494 ])
Coordinates:
    x        (z) int64 4647 4471 4692 3942 3468 ... 3040 3993 3027 4427 3749
    y        (z) int64 -3744 -4074 -3634 -3289 -3221 ... -4195 -4131 -4814 -3362
Dimensions without coordinates: z

36.9 ms ± 1.25 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Advanced Interpolation 上的 xarray 文档中有一个很好的示例。

基于大量 xy 点从二维数组中提取插值

Extract interpolated values from a 2D array based on a large set of xy points

python

interpolation

numpy

scipy

python-xarray