在Python中带有间隙的数据的Griddata插值

如何解决在Python中带有间隙的数据的Griddata插值

我使用scipy内插griddata将数据内插到网格中时遇到问题。我的数据是二维的，格式为：X数组，Y数组和Z强度。由于这些数据的间隔不均匀，因此我想将它们重新插值到网格中，以便保存图像以便以后使用。

如果我有一个Z数据块，它可以正常工作。当我有不连续的Z数据时（例如没有数据的区域分隔的数据的“孤岛”），就会出现我的问题。在这种情况下，插值也会发生在我的数据块之间的间隙中。

问题的一些说明：

有什么方法可以正确插值我的数据吗？

（非常简单的）代码的某些部分：

import numpy as np
from scipy import interpolate

X=data['X']
Y=data['Y']
Z=data['Z']

Xa,Ya=np.linspace(min_x,max_x,dim_x),np.linspace(min_y,max_y,dim_y) #dimensions of my grid,depends on the dataset I have
XX,YY=np.meshgrid(Xa,Ya) #creation of the grid
Zb = interpolate.griddata((X,Y),Z,(XX,YY),method='linear')

我尝试过“最近”或“三次”，但我也不工作...

编辑：我添加了一个文本文件，其中包含我尝试进行插值的X，Y和Z以及新的“ Zb”插值数据，以显示问题。上图中绘制了相同的数据。数据在这里可用：Gdrive

解决方法

我有类似的问题。我通过计算不同的网格（在您的问题中，每个磁盘应该是一个网格）和等高线图来解决此问题，但是具有相同的整个值范围并将它们绘制在一起。可能不是“优雅”，但可以。阿兰

我找到的解决方案在于放弃对数据进行插值的想法。取而代之的是，在读取数据时，我定义了一个ROI（min_x，max_x，resolution_x，并且与y相同），通过对数据进行迭代来填充（具有各种选项（最小值，最大值，平均值...））。它可能不是最快的解决方案，但它可以工作并且不会产生伪像！

import numpy as np

min_x,max_x,dim_x = (xxx,XXX,x) #limits on the dataset
min_y,max_y,dim_y = (yyy,YYY,y)

sorting_method="Max" #the method can be configured by the user

def find_nearest(array,value):
    array = np.asarray(array)
    idx = (np.abs(array - value)).argmin()
    return idx

X=data['X'] #This dataset must be sorted so that only the data falling into the ROI is kept
Y=data['Y']
Z=data['Z']

pos_x=np.arange(min_x,res_x)
pos_y=np.arange(min_y,res_y)


ROI=np.zeros((dim_y,dim_x))

for values in X:
        loc_x=find_nearest(pos_x,values)
        loc_y=find_nearest(pos_y,Y[i])
        if sorting_method=='Max':
            ROI[loc_y,loc_x,0]=max(ROI[loc_y,0],Z[i])

Zb=ROI[::-1,:]

感谢大家的宝贵意见！