求基于规则网格数据对随机2D点插值的知名Python库

Scipy的RegularGridInterpolator #

• 这是Scipy中专门针对规则网格数据设计的插值工具，完全匹配你的场景需求：
  • 初始化时只需传入一维的网格坐标轴数组（x、y）和对应网格数据值z，无需提前生成二维网格X、Y
  • 评估插值时可直接传入任意形状的随机点集（比如np.random.rand(100, 2)生成的点），既不用低效循环，也不会生成冗余的N²个点，资源利用率和效率都很高
  • 支持线性、最近邻、三次样条等多种插值方法，能适配不同精度要求
• 示例代码：

  import numpy as np
  from scipy.interpolate import RegularGridInterpolator
  
  # 构造规则网格数据
  x = np.linspace(0, 1, 10)
  y = np.linspace(0, 1, 10)
  z = np.sin(x[:, None] + y[None, :])  # 对应网格位置的数据值
  
  # 创建插值器实例
  interpolator = RegularGridInterpolator((x, y), z, method='linear')
  
  # 生成随机点并执行插值
  random_points = np.random.rand(100, 2)
  interpolated_values = interpolator(random_points)
  

其他可选工具 #

• Scipy的griddata：兼容非规则网格数据插值，但针对规则网格场景，RegularGridInterpolator的运行效率更优
• PyKrige：适用于克里金插值场景，如果你需要基于地质统计学的插值逻辑，这个库是合适选择，但常规插值场景下RegularGridInterpolator更轻量高效

内容的提问来源于stack exchange，提问作者HiroIshida