分散数据帧的快速插值

Question

TL;DR: 问题：有没有一种快速的方法可以在特定坐标处对分散的 2D 数据集进行插值？

如果可以的话，有人可以提供一个示例，其中包含 "Current Solution" 中使用的示例数据和变量（因为我自己实现它显然很愚蠢）。

问题：

我需要在特定坐标点内插（如果可能的话还外推）分散数据的 DataFrame（大小 = (34, 18)）。 DataFrame 始终保持不变。

插值需要快，因为它在一个循环中完成超过 10.000 次。

插值的坐标是事先不知道的，因为它们在每个循环中都会改变。

当前解：

def Interpolation(a, b):

    #import external modules
    import pandas as pd
    from scipy import interpolate

    #reading .xlsx file into DataFrame
    file  = pd.ExcelFile(file_path)
    mr_df = file.parse('Model_References')
    matrix = mr_df.set_index(mr_df.columns[0])

    #interpolation at specific coordinates
    matrix = Matrix.stack().reset_index().values
    value = interpolate.griddata(matrix[:,0:2], matrix[:,2], (a, b), method='cubic')

    return(value)

这种方法不能长时间使用，仅#interpolation at specific coordinates下的两行代码就占了95%以上的执行时间

我的想法：

scipy.interpolate.Rbf 如果需要对数据进行内插和外推，似乎是最好的解决方案，但据我了解，它只会创建现有数据的更精细网格，无法在特定坐标处输出内插值
在特定坐标 (a,b) 周围创建一个较小的 4x4 矩阵可能会减少每个循环的执行时间，但我确实在如何使用 griddata 和较小的矩阵方面遇到困难。我创建了一个 5x5 矩阵，第一行和第一列是索引，其他 4x4 条目是中间具有特定坐标的数据。但是我得到一个 TypeError: list indices must be integers or slices, not tuple ，我不明白，因为我没有改变任何其他东西。

示例数据：

          0.0     0.1     0.2     0.3
0.0      -407    -351    -294    -235
0.0001   -333    -285    -236    -185
0.0002   -293    -251    -206    -161
0.00021  -280    -239    -196    -151

Answer 1

多亏了@Jdog的评论我才弄明白：

使用scipy.interpolate.RectBivariateSpline在循环之前创建一次样条曲线并使用scipy.interpolate.RectBivariateSpline.ev读取特定坐标将插值的执行时间从255秒减少到289毫秒。

def Interpolation(mesh, a, b):

    #interpolation at specific coordinates
    value = mesh.ev(stroke, current)

    return(value)

#%%

#import external modules
import pandas as pd
from scipy import interp

#reading .xlsx file into DataFrame
file  = pd.ExcelFile(file_path)
mr_df = file.parse('Model_References')
matrix = mr_df.set_index(mr_df.columns[0])

mesh = interp.RectBivariateSpline(a_index, b_index, matrix)

for iterations in loop:
    value = Interpolation(mesh, a, b)

分散数据帧的快速插值

Fast interpolation of a scattered DataFrame

python

interpolation

python-3.x