Мне нужно более быстрое решение для интерполяции трехмерного массива в одном измерении на двухмерную поверхность.Мои данные привязаны к сетке (k, j, i): горизонтальная сетка является регулярной (j, i), но вертикальная сетка - нет (т.е. точки глубины различны в каждой точке i, j).Кроме того, мой массив имеет 2D горизонтальную маску.Мое текущее решение:
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
Это работает, но это слишком медленно (моя горизонтальная сетка составляет около 200x600, и количество интерполяций значительно уменьшается с маской, но это все еще занимает около часа).
Я изучил griddata, но есть одна проблема и одна проблема: проблема, она использует все значения для интерполяции точки, когда мне фактически требуется только 1D интерполяция в направлении z (что,что угодно), НО проблема в том, что, по-видимому, ему не нравятся nans (на самом деле. не фактические NaN, а маскированные значения):
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')
Я получаю:
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
Предложения высоко ценятся