Estoy tratando de interpolar regularmente rejilladacortavientos datos usando Scipy'sRectBivariateSpline clase. En algunos puntos de la cuadrícula, los datos de entrada contienen entradas de datos no válidas, que se establecen en valores NaN. Para empezar, utilicé la solución paraLa pregunta de scott Sobre la interpolación bidimensional. Usando mis datos, la interpolación devuelve una matriz que contiene solo NaNs. También he intentado un enfoque diferente asumiendo que mis datos no están estructurados y usando elSmoothBivariateSpline clase. Aparentemente tengo demasiados puntos de datos para usar la interpolación no estructurada, ya que la forma de la matriz de datos es (719 x 2880).

Para ilustrar mi problema he creado el siguiente script:

from __future__ import division
import numpy
import pylab

from scipy import interpolate


# The signal and lots of noise
M, N = 20, 30  # The shape of the data array
y, x = numpy.mgrid[0:M+1, 0:N+1]
signal = -10 * numpy.cos(x / 50 + y / 10) / (y + 1)
noise = numpy.random.normal(size=(M+1, N+1))
z = signal + noise


# Some holes in my dataset
z[1:2, 0:2] = numpy.nan
z[1:2, 9:11] = numpy.nan
z[0:1, :12] = numpy.nan
z[10:12, 17:19] = numpy.nan


# Interpolation!
Y, X = numpy.mgrid[0.125:M:0.5, 0.125:N:0.5]
sp = interpolate.RectBivariateSpline(y[:, 0], x[0, :], z)
Z = sp(Y[:, 0], X[0, :])

sel = ~numpy.isnan(z)
esp = interpolate.SmoothBivariateSpline(y[sel], x[sel], z[sel], 0*z[sel]+5)
eZ = esp(Y[:, 0], X[0, :])


# Comparing the results
pylab.close('all')
pylab.ion()

bbox = dict(edgecolor='w', facecolor='w', alpha=0.9)
crange = numpy.arange(-15., 16., 1.)

fig = pylab.figure()
ax = fig.add_subplot(1, 3, 1)
ax.contourf(x, y, z, crange)
ax.set_title('Original')
ax.text(0.05, 0.98, 'a)', ha='left', va='top', transform=ax.transAxes, 
    bbox=bbox)

bx = fig.add_subplot(1, 3, 2, sharex=ax, sharey=ax)
bx.contourf(X, Y, Z, crange)
bx.set_title('Spline')
bx.text(0.05, 0.98, 'b)', ha='left', va='top', transform=bx.transAxes, 
    bbox=bbox)

cx = fig.add_subplot(1, 3, 3, sharex=ax, sharey=ax)
cx.contourf(X, Y, eZ, crange)
cx.set_title('Expected')
cx.text(0.05, 0.98, 'c)', ha='left', va='top', transform=cx.transAxes, 
    bbox=bbox)

Lo que da los siguientes resultados:

La figura muestra un mapa de datos construido (a) y los resultados utilizando las clases RectBivariateSpline (b) y SmoothBivariateSpline (c) de Scipy. La primera interpolación da como resultado una matriz con solo NaN. Idealmente, habría esperado un resultado similar a la segunda interpolación, que es más intensivo computacionalmente. No necesariamente necesito extrapolación de datos fuera de la región del dominio.