Griddata预测方法

Question

使用 scipy 中的网格数据来执行插值（三次样条和其他），我们必须将插值的数据作为参数，同时，我们要在其上进行插值的新点想做一个"prediction".

是否有可能构造一个 "griddata object"，它有一种方法来预测新点，而无需每次都重建新的插值样条...？（例如，与回归树一样，我们首先构建树，然后我们应用 .predict(new_points) 方法）。

这是一个例子：

import pandas as pd
import numpy as np
import sklearn
import scipy.interpolate as itp

n = 100
x1 = np.linspace(-2, 4, n)

X1 = []
X2 = []

for x in x1:
    X1.append( [x for i in range(0, n)] )
    X2.append( np.linspace(9, 15, n) )

X1 = np.array(X1).flatten()
X2 = np.array(X2).flatten()

Y1 = exp( 2*X1 )
    Y2 = 3 * sqrt(X2)

#Data frames :
X = np.transpose( [X1, X2] )
X = pd.DataFrame(X, columns=["X1", "X2"])

Y = np.transpose( [Y1, Y2] )
Y = pd.DataFrame(Y, columns=["Y1", "Y2"])

X_new = np.transpose( [[-2], [9]] )

inter_cubic = itp.griddata(X, Y, X_new, method='cubic', fill_value=nan, rescale=False)

print(inter_cubic)

print(exp(2*(-2)), 3*sqrt(9))

现在 inter_cubic 只是一个 numpy 数组..

有没有办法执行它，或者我们可以使用另一个 "spline" 构造函数吗？

Answer 1

如果您查看 source code for griddata（向下滚动文档字符串以查看实际代码），您会发现它是其他几个插值函数的包装器，其中大部分按照您的方式工作想。在您的情况下，使用二维数据和三次插值，griddata 这样做：

        ip = CloughTocher2DInterpolator(points, values, fill_value=fill_value,
                                        rescale=rescale)
        return ip(xi)

因此，您可以使用 CloughTocher2DInterpolator 而不是 griddata。具体来说，使用脚本中的名称，您将使用

创建插值器

ip = itp.CloughTocher2DInterpolator(X, Y, fill_value=np.nan, rescale=False)

对象 ip 没有 predict 方法；你只需用你想要评估插值器的点来调用它。在你的情况下，你会写

Y_new = ip(X_new)

Griddata预测方法

Griddata predict method

python

interpolation

scipy