보간을 위해 griddata-method를 사용하는 것이 좋습니다. 샘플은 다음과 같습니다.
import numpy as np
from matplotlib.mlab import griddata
import matplotlib.pyplot as plt
xs0 = np.random.random((1000)) * np.pi - np.pi/2
ys0 = np.random.random((1000)) * 3.5
zs0 = np.random.random((1000))
N = 30j
extent = (-np.pi/2,np.pi/2,0,3.5)
xs,ys = np.mgrid[extent[0]:extent[1]:N, extent[2]:extent[3]:N]
resampled = griddata(xs0, ys0, zs0, xs, ys)
plt.imshow(resampled.T, extent=extent)
plt.plot(xs0, ys0, "r.")
plt.plot(xs, ys, "b.")
plt.title("imshow for irregularly spaced data using griddata")
plt.show()
3 * X- 배열에서 3 개의 X- 배열로 전환하는 것이 확실합니다.
결과는 다음과 같습니다
레드 포인트는 이제 정기적으로 간격 데이터에 대한 데이터 "원래"위치, 파란색 점을 보여줍니다.
griddata는 마스크 된 배열을 반환합니다. 보간을 평가할 수없는 모든 점은 마스킹 된 다음 흰색 영역으로 그려집니다.
HTH, 토르스텐
HM은 결국 interp2d 작업 ... 당신이 당신의 문제를 해결하는 경우 당신이 당신의 자신의 질문에 대답하고 대답을 받아 주시기 바랍니다 수 – user1805743
를 볼 수 있습니다을 할 것입니다? – tacaswell