MATLAB 和 Numpy/Scipy 之间的 3d 插值有何不同？

Question

我是 MATLAB 用户，我正在尝试翻译 Python 中的一些代码作为作业。由于我从我的原始代码中注意到 3d 插值结果中两种语言之间的一些差异，我试图通过分析一个简单的例子来解决这个问题。

我设置了一个 2x2x2 矩阵（下面称为 blockc），其中包含一些值，以及它在三个向量 (X,Y,Z) 中的坐标。给定一个查询点，我使用 3D 线性插值来查找插值。同样，我在 MATLAB 和 Python（下面的代码）中得到了不同的结果。

Python

import numpy as np
import scipy.interpolate as si

X,Y,Z =(np.array([1, 2]),np.array([1, 2]),np.array([1, 2]))

a = np.ones((2,2,1))
b = np.ones((2,2,1))*2

blocc = np.concatenate((a,b),axis=2) # Matrix with values

blocc[1,0,0]=7
blocc[0,1,1]=7

qp = np.array([2,1.5,1.5]) #My query point

value=si.interpn((X,Y,Z),blocc,qp,'linear')

print(value)

这里我得到值=3

MATLAB

blocc = zeros(2,2,2);
blocc(:,:,1) = ones(2,2);
blocc(:,:,2) = ones(2,2)*2;

blocc(2,1,1)=7;
blocc(1,2,2)=7;

X=[1,2];
Y=[1,2];
Z=[1,2];

qp = [2 1.5 1.5];

value=interp3(X,Y,Z,blocc,qp(1),qp(2),qp(3),'linear')

这里的值=2.75

我不明白为什么：我认为有一些我不明白插值 and/or 矩阵索引在 Python 中是如何工作的。你能帮我说清楚吗？谢谢！

Answer 1

显然，对于MATLAB，当X、Y和Z是向量时，它认为values数组中维度的顺序是(Y, X, Z)。来自 the documentation:

V — Sample values
array

Sample values, specified as a real or complex array. The size requirements for V depend on the size of X, Y, and Z:

If X, Y, and Z are arrays representing a full grid (in meshgrid format), then the size of V matches the size of X, Y, or Z .

If X, Y, and Z are grid vectors, then size(V) = [length(Y) length(X) length(Z)].

If V contains complex numbers, then interp3 interpolates the real and imaginary parts separately.

Example: rand(10,10,10)

Data Types: single | double
Complex Number Support: Yes

这意味着，要在 Python 中获得相同的结果，您只需交换查询中的第一个和第二个值：

qp = np.array([1.5, 2, 1.5])
f = si.interpn((X, Y, Z), blocc, qp, 'linear')
print(f)
# [2.75]

MATLAB 和 Numpy/Scipy 之间的 3d 插值有何不同？

Any differences in 3d interpolation between MATLAB and Numpy/Scipy?

python

matlab

interpolation

multidimensional-array