Próbuję regularnie interpolować siatkęwiatrówka dane za pomocą ScipyRectBivariateSpline klasa. W niektórych punktach siatki dane wejściowe zawierają nieprawidłowe wpisy danych, które są ustawione na wartości NaN. Na początek użyłem rozwiązaniaPytanie Scotta na interpolacji dwuwymiarowej. Używając moich danych, interpolacja zwraca tablicę zawierającą tylko NaNs. Próbowałem również innego podejścia, zakładając, że moje dane są niestrukturalne i używająSmoothBivariateSpline klasa. Najwyraźniej mam zbyt wiele punktów danych, aby użyć nieustrukturyzowanej interpolacji, ponieważ kształt tablicy danych to (719 x 2880).

Aby zilustrować mój problem, stworzyłem następujący skrypt:

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)

Co daje następujące wyniki:

Rysunek przedstawia skonstruowaną mapę danych (a) i wyniki przy użyciu klas Scipy's RectBivariateSpline (b) i SmoothBivariateSpline (c). Pierwsza interpolacja daje tablicę zawierającą tylko NaNs. W idealnym przypadku spodziewałbym się wyniku podobnego do drugiej interpolacji, która jest bardziej intensywna obliczeniowo. Nie koniecznie potrzebuję ekstrapolacji danych poza regionem domeny.