在Python中将大型不规则网格插值到另一个不规则网格
问题内容：
我正在尝试使用Python将复杂值从一个不规则网格插入到另一个不规则网格。网格是二维的，有103,113个数据点。我正在使用Python
2.6.6，Scipy 0.7.2，Numpy 1.3.0，Matplotlib 0.99.3
在使用griddata的Matlab中，这大约需要5秒钟。
BnGRID2 = griddata(R_GRID1,Z_GRID1,BnGRID1,R_GRID2,Z_GRID2) (MATLAB)
（请注意，所有数组均为201 x 513）
但是，如果我尝试使用matplotlib.mlab.griddata，即使我尝试仅使用实际零件，也会收到memoryError：
mlab.griddata(R_GRID1.flatten(),Z_GRID1.flatten(),num.real(BnGRID1.flatten()),R_GRID2.flatten(),Z_GRID2.flatten())
如果尝试使用interp2d，则会出现分段错误，并且Python退出：
a = interp.interp2d(R_GRID1,Z_GRID1,num.real(BnGRID1))
我尝试过使用KDTree，这似乎可以正常工作，但是，与Matlab的几秒钟相比，它花费了几分钟，但是我还没有对这个选项进行过多的探讨。
想知道是否有人对如何像Matlab一样快地完成此工作有任何想法？我注意到较新版本的Scipy也具有griddata，有人知道它是否可以处理较大的不规则网格？
问题答案：
Scipy的griddata似乎能够处理这种大小的数据集而不会出现问题：
将numpy导入为np
导入scipy.interpolate
＃旧网格
x，y = np.mgrid [0：1：201j，0：1：513j]
z = np.sin（x * 20）*（1j + np.cos（y * 3））** 2＃一些数据
＃个新网格
x2，y2 = np.mgrid [0.1：0.9：201j，0.1：0.9：513j]
＃插值到新网格上
z2 = scipy.interpolate.griddata（（x.ravel（），y.ravel（）），z.ravel（），（x2，y2），method ='cubic'）
在旧的AMD Athlon上，griddata步骤大约需要5秒钟。
如果您的数据在网格上（即，与值z [i，j]对应的坐标为（x [i]，y
[j]）），则可以使用scipy.interpolate.RectBivariateSpline来提高速度
z3 =（scipy.interpolate.RectBivariateSpline（x [：，0]，y [0 ,:]，z.real）（x2 [：，0]，y2 [0 ,:]）
+ 1j * scipy.interpolate.RectBivariateSpline（x [：，0]，y [0 ,:]，z.imag）（x2 [：，0]，y2 [0 ,:]））
这需要0.05秒。它的速度要快得多，因为即使您的网格间距不规则，只要网格是矩形的，也可以使用更有效的算法。
