使用 numpy 和/或 scipy 插值 3D 体积

我非常沮丧，因为几个小时后我似乎无法在 python 中进行看似简单的 3D 插值。在Matlab中我所要做的就是

Vi = interp3(x,y,z,V,xi,yi,zi)

使用 scipy 的 ndimage.map_coordinate 或其他 numpy 方法与此完全等效的是什么？

Thanks

在 scipy 0.14 或更高版本中，有一个新函数scipy.interpolate.RegularGridInterpolator https://docs.scipy.org/doc/scipy-0.18.0/reference/generated/scipy.interpolate.RegularGridInterpolator.html#scipy.interpolate.RegularGridInterpolator这非常类似于interp3.

MATLAB 命令Vi = interp3(x,y,z,V,xi,yi,zi)会翻译成这样：

from numpy import array
from scipy.interpolate import RegularGridInterpolator as rgi
my_interpolating_function = rgi((x,y,z), V)
Vi = my_interpolating_function(array([xi,yi,zi]).T)

这是一个完整的例子，展示了两者；它将帮助您了解确切的差异...

MATLAB代码：

x = linspace(1,4,11);
y = linspace(4,7,22);
z = linspace(7,9,33);
V = zeros(22,11,33);
for i=1:11
    for j=1:22
        for k=1:33
            V(j,i,k) = 100*x(i) + 10*y(j) + z(k);
        end
    end
end
xq = [2,3];
yq = [6,5];
zq = [8,7];
Vi = interp3(x,y,z,V,xq,yq,zq);

结果是Vi=[268 357]这确实是这两点的值(2,6,8) and (3,5,7).

SIPY代码：

from scipy.interpolate import RegularGridInterpolator
from numpy import linspace, zeros, array
x = linspace(1,4,11)
y = linspace(4,7,22)
z = linspace(7,9,33)
V = zeros((11,22,33))
for i in range(11):
    for j in range(22):
        for k in range(33):
            V[i,j,k] = 100*x[i] + 10*y[j] + z[k]
fn = RegularGridInterpolator((x,y,z), V)
pts = array([[2,6,8],[3,5,7]])
print(fn(pts))

又是[268,357]。所以你会看到一些细微的差别：Scipy 使用 x,y,z 索引顺序，而 MATLAB 使用 y,x,z （奇怪）；在 Scipy 中，您在单独的步骤中定义一个函数，当您调用它时，坐标会像 (x1,y1,z1),(x2,y2,z2),... 那样分组，而 matlab 使用 (x1,x2,.. .),(y1,y2,...),(z1,z2,...)。

除此之外，两者相似并且同样易于使用。