scipy.interp2d警告和离网大错误

Question

我正在尝试对二维函数进行插值，并且通过scipy.interpolate.interp2d遇到了我认为怪异的行为。我不明白问题是什么，我很乐意提供帮助或提示。

import numpy as np
from scipy.interpolate import interp2d

x = np.arange(10)
y = np.arange(20)
xx, yy = np.meshgrid(x, y, indexing = 'ij')
val = xx + yy
f = interp2d(xx, yy, val, kind = 'linear')

运行此代码时，出现以下警告：

scipy / interpolate / fitpack.py：981：RuntimeWarning：由于B样条系数的数量已经超过数据点m的数量，因此无法添加更多的结。可能的原因：s或m太小。（fp> s）kx，ky = 1,1 nx，ny = 18,15 m = 200 fp = 0.000000 s = 0.000000
warnings.warn（RuntimeWarning（_iermess2 [ierm] [0] + _mess））

我不明白为什么interp2d告诉我它应该进行线性插值，为什么会使用任何样条曲线。当我继续并在网格上评估f时，一切都很好：

>>> f(1,1)
array([ 2.])

当我脱离网格对其进行评估时，即使该函数显然是线性的，也会出现很大的错误。

>>> f(1.1,1)
array([ 2.44361975])

我有点困惑，我不确定是什么问题。有人遇到过类似的问题吗？我以前使用过matlab，这几乎是我在那做1：1的方式，但是也许我做错了。

当我使用矩形网格（即y = np.arange（10））时，一切都可以正常工作，但这不是我所需要的。当我使用三次插值而不是线性插值时，误差变小（由于函数是线性的，所以也没有太大意义），但误差仍然很大。

Answer 1

我尝试了一些方法，并设法使用 scipy.LinearNDInterpolator 获得（某种）我想要的东西。但是，我必须将网格转换为点和值列表。由于我的程序的其余部分以网格格式存储坐标和值，这有点烦人，所以如果可能的话，我仍然想让原始代码正常工作。

import numpy as np
import itertools
from scipy.interpolate import LinearNDInterpolator

x = np.arange(10)
y = np.arange(20)
coords = list(itertools.product(x,y))
val = [sum(c) for c in coords]
f = LinearNDInterpolator(coords, val)

>>>f(1,1)
array(2.0)

>>> f(1.1,1)
array(2.1)