使用來自 python 的 RBF 進行插值的問題 scipy

Question

我正在使用我自己的網格化數據關注此線程的已接受答案。

我將其加載為：

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
import pylab as py

token = open('Ydata_48_of_50.txt','r')
linestoken=token.readlines()
tokens_column_numberX = 0

resulttokenX=[]

for x in linestoken:
    resulttokenX.append(x.split()[tokens_column_numberX])
token.close()

resulttokenX = np.array(resulttokenX)

（我對 Y 和 F(X, Y) 做同樣的事情）然后，我使用上述鏈接中顯示的內容：

xi, yi = np.linspace(resulttokenX.min(), resulttokenX.max(), 200), np.linspace(resulttokenY.min(), resulttokenY.max(), 200)
xi, yi = np.meshgrid(xi, yi)

# Interpolate
rbf = scipy.interpolate.Rbf(resulttokenX, resulttokenY, resulttokenF, function='linear')

不幸的是，這里的最后一行是錯誤的。 我得到

    xi, yi = np.linspace(resulttokenX2.min(), resulttokenX2.max(), 200), np.linspace(resulttokenY2.min(), resulttokenY2.max(), 200)

  File "D:\Users\me\anaconda3\lib\site-packages\numpy\core\_methods.py", line 43, in _amin
    return umr_minimum(a, axis, None, out, keepdims, initial, where)

TypeError: cannot perform reduce with flexible type

我不知道為什么會這樣，因為在原始代碼中x出現在最后一行並且是

type(x)
Out[26]: numpy.ndarray

這是相同類型的變量

type(resulttokenX2)
Out[24]: numpy.ndarray

我不知道為什么會這樣。 有人能告訴我我必須做什么才能用我的網格化數據而不是隨機數據重現原始代碼嗎？

謝謝。

編輯：

resulttokenY2
Out[3]: 
array(['3.2000000e+01', '3.2000000e+01',

是 resulttokenY2 的第一行

Answer 1

在 Yann ziselman 的一些非常有用的建議之后，我成功地做到了。 這是完整的代碼：

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
import pylab as py
import scipy

token = open('Ydata_48_of_50.txt','r')
linestoken=token.readlines()
tokens_column_numberX = 0
tokens_column_numberY = 1
tokens_column_numberF = 2

resulttokenX=[]
resulttokenY=[]
resulttokenF=[]
for x in linestoken:
    resulttokenX.append(x.split()[tokens_column_numberX])
    resulttokenY.append(x.split()[tokens_column_numberY])
    resulttokenF.append(x.split()[tokens_column_numberF])
token.close()


resulttokenX2 = np.array(resulttokenX)
resulttokenY2 = np.array(resulttokenY)
resulttokenF2 = np.array(resulttokenF)



# Set up a regular grid of interpolation points
xi, yi = np.linspace(resulttokenX2.astype('float').min(), resulttokenX2.astype('float').max(), 100), np.linspace(resulttokenY2.astype('float').min(), resulttokenY2.astype('float').max(), 100)
xi, yi = np.meshgrid(xi, yi)

# Interpolate
rbf = scipy.interpolate.Rbf(resulttokenX2, resulttokenY2, resulttokenF2, function='linear')
zi = rbf(xi, yi)

plt.imshow(zi, vmin=resulttokenF2.astype('float').min(), vmax=resulttokenF2.astype('float').max(), origin='lower', extent=[resulttokenX2.astype('float').min(), resulttokenX2.astype('float').max(), resulttokenY2.astype('float').min(), resulttokenY2.astype('float').max()])
plt.scatter(resulttokenX2.astype('float'), resulttokenY2.astype('float'), c=resulttokenF2.astype('float'))
plt.colorbar()
plt.show()