我有一组o数据(存储在2D numpy数组中)代表相同问题的仿真.但是,每个模拟都来自不同的模型,从而导致每个模型的分辨率不同.例如,以下是一些模拟的尺寸：

> 1159 x 1367
> 144 x 157
> 72 x 82
> 446 x 500
> 135 x 151

我想做的就是将它们全部转换为相同的分辨率,例如144 x157.我相信我必须执行插值,但是,我不确定在Python中使用哪种方法.

我一直在读这些：

> scipy.interpolate.griddata
> scipy.ndimage.interpolation.zoom.html
> scipy.interpolate.RegularGridInterpolator.html
> scipy.ndimage.interpolation.map_coordinates.html

(3)和(4)似乎最适合该问题,但是,我不确定如何使它们返回具有指定分辨率的新网格化(2D)数据.

解决方法:

事实证明,我可以使用scipy.interpolate.RegularGridInterpolator.html来解决它：

import numpy as np
import pylab as plt

from scipy.interpolate import RegularGridInterpolator

def regrid(data, out_x, out_y):
    m = max(data.shape[0], data.shape[1])
    y = np.linspace(0, 1.0/m, data.shape[0])
    x = np.linspace(0, 1.0/m, data.shape[1])
    interpolating_function = RegularGridInterpolator((y, x), data)

    yv, xv = np.meshgrid(np.linspace(0, 1.0/m, out_y), np.linspace(0, 1.0/m, out_x))

    return interpolating_function((xv, yv))

输入：

输出：