0

我需要一个更快的解决方案来将一维的 3D 数组内插到 2D 表面。我的数据是网格化的（k，j，i）：水平网格是规则的（j，i），但垂直网格不是（即每个 i，j 点的深度点不同）。此外，我的阵列有一个 2D 水平蒙版。我目前的解决方案是：

from scipy.interpolate import interp1d

def interpz(depths, var, z_levs):
    var_z = np.zeros_like(var[0,:,:])
    for j in range(var_z.shape[0]):
        for i in range(var_z.shape[1]):
            if var_z.mask[j,i]==False:
                f = interp1d(depths[:,j,i], var[:,j,i])
                var_z[j,i] =  f(z_levs[j,i])   
    return var_z

它可以工作，但是太慢了（我的水平网格大约是 200x600，并且使用遮罩的插值数量减少了很多，但仍然需要大约一个小时）。

我研究了griddata，但是有一个问题，一个问题：问题是，它使用所有值来插值点，而实际上我只需要z方向上的一维插值（哪个，无论如何），但是问题显然，它不喜欢 nans（实际上。不是实际的 NaN，而是掩码值）：

z, y, x = depths.flatten(), y.flatten(), x.flatten()
data =  var.flatten()
var_z = griddata((z, y, x), data, (z_levs.flatten(), y[0,:,:].flatten(), 
...: x[0].flatten()), method='linear')

我得到：

in griddata(points, values, xi, method, fill_value, rescale)
    215     elif method == 'linear':
    216         ip = LinearNDInterpolator(points, values, fill_value=fill_value,
--> 217                                   rescale=rescale)
    218         return ip(xi)
    219     elif method == 'cubic' and ndim == 2:

scipy/interpolate/interpnd.pyx in scipy.interpolate.interpnd.LinearNDInterpolator.__init__ (scipy/interpolate/interpnd.c:5530)()

scipy/spatial/qhull.pyx in scipy.spatial.qhull.Delaunay.__init__ (scipy/spatial/qhull.c:18174)()

scipy/spatial/qhull.pyx in scipy.spatial.qhull._Qhull.__init__ (scipy/spatial/qhull.c:4788)()

ValueError: Points cannot contain NaN

建议深表感谢

4

0 回答 0