将二维网格数据的时间序列插入新的二维网格 - 高效

Question

我有一个带有时间轴的二维网格数据 numpy 数组，所以我的数组的形状为 (nsteps, ny, nx)

对于上下文，它是地球的网格（x = 0 到 360，增量为 1 度，y = -90 到 90，增量为 1 度）。 在这个网格上的每个点都有时间序列的数据，每个时间步长 1 个数组。

我正在尝试将数据从这个网格插入到一个非常不同的网格（不同的分辨率和节点点）。

我能够通过以下方式做到这一点：

import numpy as np
from scipy.interpolate import RectBivariateSpline
from tqdm import tqdm

#interpolate the msl pressures back to the other grid
p_dat = pres[0].values #this is a numpy array (nsteps, ny0, nx0)
w_dat = wind[0].values #this is a numpy array (nsteps, ny1, nx1)

#new array with 2d shape of w_dat
out = np.full((p_dat.shape[0], *w_dat.shape[1:]), np.nan) 

#interpolate one timestep at a time
for i in tqdm(list(range(out.shape[0]))):
    interp = RectBivariateSpline(pres.geometry.y, pres.geometry.x, p_dat[i])
    dat = interp(wind.geometry.y, wind.geometry.x)
    out[i,:,:] = dat

有没有办法可以避免这个循环并将这个插值向量化到第 0 轴上？

Answer 1

您有任何数据可以添加到您的问题中吗？ 这将使我们能够更仔细地观察。

我认为np.apply_along_axis可能在这里工作。

现在我只能提供这种未经测试的方法：

def helper(idx: int):
    interp = RectBivariateSpline(pres.geometry.y, pres.geometry.x, p_dat[idx])
    dat = interp(wind.geometry.y, wind.geometry.x)
    return dat

out = np.apply_along_axis(helper, axis=0, arr=np.arange(out.shape[0]))

编辑：由于缺乏测试数据，我无法评论加速，但这与map(helper, np.arange(out.shape[0]))非常相似。 本质上，它只是隐藏了循环。