如何从128x128 dataframe矩阵生成等距网格用于插值

对于128x128的非均匀间距DataFrame网格，可通过坐标重采样+插值的方式生成等距规则网格，具体操作如下：

• 依赖工具安装：提前安装需要的计算库，执行pip install numpy pandas scipy即可。
• 步骤1：提取原始网格的坐标与对应数值
  根据你的DataFrame存储格式选择对应的提取方式：

  import numpy as np
  import pandas as pd
  from scipy.interpolate import griddata
  
  # 你的原始DataFrame变量，这里用df代指
  # 存储格式1：三列结构，分别存横坐标x、纵坐标y、网格点数值value
  x_original = df["x"].values
  y_original = df["y"].values
  value_original = df["value"].values
  
  # 存储格式2：128行128列结构，行对应y坐标、列对应x坐标，单元格存网格点数值
  # 需提前传入原始非均匀的列坐标列表x_list、行坐标列表y_list
  # x_original = np.tile(x_list, 128)
  # y_original = np.repeat(y_list, 128)
  # value_original = df.values.flatten()
  

• 步骤2：生成等距新网格坐标
  基于原始坐标的范围生成等间距的新网格，可自定义分辨率，此处保持128x128的尺寸不变：

  grid_size = 128
  # 生成横纵方向的等距坐标
  x_uniform = np.linspace(x_original.min(), x_original.max(), grid_size)
  y_uniform = np.linspace(y_original.min(), y_original.max(), grid_size)
  # 构建网格矩阵
  X_uniform, Y_uniform = np.meshgrid(x_uniform, y_uniform)
  

• 步骤3：插值得到均匀网格数值
  可根据精度需求选择插值方法：

  # method参数可选：'nearest'(最近邻插值，速度最快)、'linear'(线性插值，精度速度平衡)、'cubic'(三次插值，结果最平滑)
  value_uniform = griddata((x_original, y_original), value_original, (X_uniform, Y_uniform), method="linear")
  # 结果转DataFrame，行索引为y坐标、列索引为x坐标
  df_uniform_grid = pd.DataFrame(value_uniform, index=y_uniform, columns=x_uniform)
  

注意：如果原始数据存在缺失值，插值前需先做缺失值填充，否则结果会出现nan值；如果是带空间参考的地理网格数据，可改用xarray、rasterio的重采样工具，适配坐标系相关的特殊规则。

原始不均匀网格效果参考：

内容的提问来源于stack exchange，提问作者wosker4yan