在 3D 坐标处插值

Question

目标

我在特定的 3D 坐标xyz处给出了值v 。 数据存储为 pandas dataframe：

          x      y       z         v
0     -68.5  68.50  -10.00  0.297845
1     -68.5 -23.29   61.10  0.148683
2     -68.5 -23.29   63.47  0.142325
3     -68.5 -23.29   65.84  0.135908
4     -68.5 -23.29   68.21  0.129365
    ...    ...     ...       ...
91804  68.5  23.29  151.16  0.118460
91805  68.5  23.29  153.53  0.119462
91806  68.5  23.29  155.90  0.120386
91807  68.5  23.29  139.31  0.112257
91808  68.5 -68.50  227.00  0.127948

我想在不属于 dataframe 的新坐标处找到值，因此我正在研究如何有效地插入数据。

我尝试过的

我正在使用来自 scipy 的插值 function，名为interpn ：

from scipy.interpolate import interpn

# Put data into shape that is accepted by interpn
# I guess the error is somewhere here... 
xs = np.array(df["x"].to_list())
ys = np.array(df["y"].to_list())
zs = np.array(df["z"].to_list())
vs = np.array(df["v"].to_list())
original_points = (xs, ys, zs)
original_values = vs.reshape(len(np.unique(xs)), len(np.unique(ys)), len(np.unique(zs)))

# Point at which I would like to retrive the interpolated value
new_point = np.array([0,0,0])

# perform interpolation
new_value = interpn(original_points, original_values, new_point)

问题

但我收到以下错误：

ValueError：维度 0 中的点必须严格升序

我不明白，因为如果我 plot xs，它看起来像是在上升：

非常感谢您帮助解决此问题。 谢谢你。

Answer 1

假设您的数据位于常规网格上，则 xs、ys 和 zs 必须是唯一的。 尝试类似的东西 -

xs, ind = np.unique(xs, return_index=True)
xs = xs[np.argsort(ind)]

作为替代方案，您可以对非结构化数据使用插值器 - https://docs.scipy.org/doc/scipy/reference/interpolate.html#multivariate-interpolation 。