python - 从不规则的点集开始在3D曲面中插值Z值

Closed. This question needs to be more focused。它当前不接受答案。












                            想改善这个问题吗？更新问题，使其仅通过editing this post专注于一个问题。

                        3年前关闭。



我有一个看起来像图A的表面，想象一下它是顶视图。表面已计算出Z值。

现在，我需要在如图B所示的新点中找到所有Z值。该怎么做？我尝试了scipy.interpolate.interp2d，但它给出了一些奇怪的结果，如下所示：

我只想在“图”中为自定义x和y查找自定义z。

最小代码示例

func_int = scipy.interpolate.interp2d([point[0] for point in pointsbottom],[point[1] for point in pointsbottom],[point[2] for point in pointsbottom], kind = 'linear')
pointscaption = map(lambda point:(point[0],point[1],func_int(point[0],point[1])),pointscaption)

其中pointsbottom是（x，y，z）的列表，而pointscaption是（x，y，z）的列表，但是我需要找到新的z。

最佳答案

尝试使用griddata代替：

    grid_z1 = griddata(points, values, (grid_x, grid_y), method='linear')

区别在于griddata希望将常规数据作为输入（嗯，我认为）。并不是说您应该有不同的结果，而是更多，您将能够更快地发现问题。您可以轻松屏蔽“常规网格”数据。

我的第一个猜测是这些输入坐标不是您期望的（可能与您正在计算的函数的比例不同），但是如果不进行测试就很难说。

无论如何，似乎都需要一个表面，根据定义，该表面是网格数据的一种，因此使用此不同的框架来发现问题应该相当容易。

编辑（关于海报问题的进一步考虑）：

假设您想要一些对象，您想要在其中输入一些数据。完成此操作后，您希望能够使用该数据估算任何位置。为此，您可以构建一个这样的类：

    import numpy as np

    class Estimation():
        def __init__(self,datax,datay,dataz):
            self.x = datax
            self.y = datay
            self.v = dataz

        def estimate(self,x,y,using='ISD'):
            """
            Estimate point at coordinate x,y based on the input data for this
            class.
            """
            if using == 'ISD':
                return self._isd(x,y)

        def _isd(self,x,y):
            d = np.sqrt((x-self.x)**2+(y-self.y)**2)
            if d.min() > 0:
                v = np.sum(self.v*(1/d**2)/np.sum(1/d**2))
                return v
            else:
                return self.v[d.argmin()]

本示例使用反平方距离方法，该方法对于估计非常稳定（如果避免除以零）。它不会很快，但我希望它是可以理解的。从这一点开始，您可以通过执行以下操作来估算2D空间中的任意点：

    e = Estimation(datax,datay,dataz)
    newZ = e.estimate(30,55) # the 30 and 55 are just example coordinates

如果要对整个网格执行此操作：

    datax,datay = np.random.randint(0,100,10),np.random.randint(0,100,10)
    dataz       = datax/datay

    e = Estimation(datax,datay,dataz)

    surf = np.zeros((100,100))
    for i in range(100):
        for j in range(100):
            surf[i,j] = e.estimate(i,j)

您将使用例如matplotlib（其中颜色表示表面的高度）获得可以看到的图像：

    import matplotlib.pyplot as plt
    plt.imshow(surf.T,origin='lower',interpolation='nearest')
    plt.scatter(datax,datay,c=dataz,s=90)
    plt.show()

该实验的结果是这样的：

如果您不想使用ISD（平方反比距离），只需在Estimation类上实现一个新方法。这是你想要的？

关于python - 从不规则的点集开始在3D曲面中插值Z值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36031338/

z值

python - 从不规则的点集开始在3D曲面中插值Z值