如何正确使用scipy.interpolate的RegularGridInterpolator并修复维度报错

报错含义说明 #

你收到的报错是RegularGridInterpolator接口的输入维度不匹配导致的：你传入了3组坐标数组（对应x、y、z三个维度的网格轴），但对应的数值数组TD_temperatures只有1维，不符合该工具的输入要求。

根本原因 #

RegularGridInterpolator是专门为规则正交网格设计的插值工具，要求输入满足：

• 第一个参数为各维度的轴坐标，比如3维插值就传入（x轴所有唯一取值、y轴所有唯一取值、z轴所有唯一取值）
• 第二个参数的数值数组维度必须和插值维度匹配，3维插值要求数值数组形状为(x轴长度, y轴长度, z轴长度)的3维数组，每个位置的取值对应网格交点的数值
  你当前的坐标和温度都是长度为15的1维数组，本质是15个离散散点数据，每个坐标(x_i, y_i, z_i)对应一个温度值，同时所有z坐标固定为0.25，实际是2维平面上的散点，完全不符合规则网格的输入要求。

解决办法 #

根据你的数据特征，推荐两种可行方案：

方案1：改用散点插值工具griddata（更简单，优先推荐） #

对于散点数据直接使用scipy提供的散点插值接口即可，示例代码如下：

import numpy as np
from scipy.interpolate import griddata

# 整理散点坐标为(n_samples, 2)格式，因z固定为0.25可省略
points = np.column_stack((TD_x_coordinates, TD_y_coordinates))
values = np.array(TD_temperatures)

# 示例：插值x=0.05、y=0.04位置的温度
target_point = np.array([0.05, 0.04])
# 可选插值方法：'nearest'最近邻、'linear'线性、'cubic'三次插值
interpolated_temp = griddata(points, values, target_point, method='linear')
print(interpolated_temp)

如果后续你补充了其他z值的散点，只需将points扩展为3维坐标即可。

方案2：将散点转为规则网格后使用RegularGridInterpolator #

如果你确实需要使用该接口，需要先将散点数据整理为规则网格格式，示例代码如下：

import numpy as np
from scipy.interpolate import RegularGridInterpolator

# 对x、y坐标去重排序生成网格轴，z只有一个取值0.25
x_axis = np.sort(np.unique(TD_x_coordinates))
y_axis = np.sort(np.unique(TD_y_coordinates))
z_axis = np.array([0.25])

# 初始化符合维度要求的3维温度数组
temp_grid = np.full((len(x_axis), len(y_axis), len(z_axis)), np.nan)

# 将现有散点的温度值填充到网格对应位置
for x, y, z, t in zip(TD_x_coordinates, TD_y_coordinates, TD_z_coordinates, TD_temperatures):
    x_idx = np.where(x_axis == x)[0][0]
    y_idx = np.where(y_axis == y)[0][0]
    z_idx = np.where(z_axis == z)[0][0]
    temp_grid[x_idx, y_idx, z_idx] = t

# 初始化插值器
interpolation_function = RegularGridInterpolator((x_axis, y_axis, z_axis), temp_grid)

# 测试插值
print(interpolation_function([0.05, 0.04, 0.25]))

注意：你的当前散点刚好是x、y的唯一取值一一对应，不会出现空值，如果是普通散点转网格会存在空值需要额外补全，这种场景下优先使用方案1。

内容的提问来源于stack exchange，提问作者Jacob Benny