使用來自pythonscipy的RBF進行插值的問題

我正在使用我自己的網格資料遵循該執行緒的公認答案。

我將其加載為：

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
import pylab as py

token = open('Ydata_48_of_50.txt','r')
linestoken=token.readlines()
tokens_column_numberX = 0

resulttokenX=[]

for x in linestoken:
    resulttokenX.append(x.split()[tokens_column_numberX])
token.close()

resulttokenX = np.array(resulttokenX)

（我對 Y 和 F(X, Y) 做同樣的事情），然后，我使用上述鏈接中顯示的內容：

xi, yi = np.linspace(resulttokenX.min(), resulttokenX.max(), 200), np.linspace(resulttokenY.min(), resulttokenY.max(), 200)
xi, yi = np.meshgrid(xi, yi)

# Interpolate
rbf = scipy.interpolate.Rbf(resulttokenX, resulttokenY, resulttokenF, function='linear')

不幸的是，這里的最后一行是一個錯誤。我得到

    xi, yi = np.linspace(resulttokenX2.min(), resulttokenX2.max(), 200), np.linspace(resulttokenY2.min(), resulttokenY2.max(), 200)

  File "D:\Users\me\anaconda3\lib\site-packages\numpy\core\_methods.py", line 43, in _amin
    return umr_minimum(a, axis, None, out, keepdims, initial, where)

TypeError: cannot perform reduce with flexible type

我不知道為什么會發生這種情況，因為在原始代碼中x出現在最后一行并且是

type(x)
Out[26]: numpy.ndarray

這是相同型別的變數

type(resulttokenX2)
Out[24]: numpy.ndarray

我不知道為什么會發生這種情況。有人能告訴我我必須做什么才能用我的網格資料而不是隨機資料重現原始代碼嗎？

謝謝。

編輯：

resulttokenY2
Out[3]: 
array(['3.2000000e 01', '3.2000000e 01',

是 resulttokenY2 的第一行

uj5u.com熱心網友回復：

在 Yann ziselman 的一些非常有用的建議之后，我設法做到了。這是完整的代碼：

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
import pylab as py
import scipy

token = open('Ydata_48_of_50.txt','r')
linestoken=token.readlines()
tokens_column_numberX = 0
tokens_column_numberY = 1
tokens_column_numberF = 2

resulttokenX=[]
resulttokenY=[]
resulttokenF=[]
for x in linestoken:
    resulttokenX.append(x.split()[tokens_column_numberX])
    resulttokenY.append(x.split()[tokens_column_numberY])
    resulttokenF.append(x.split()[tokens_column_numberF])
token.close()


resulttokenX2 = np.array(resulttokenX)
resulttokenY2 = np.array(resulttokenY)
resulttokenF2 = np.array(resulttokenF)



# Set up a regular grid of interpolation points
xi, yi = np.linspace(resulttokenX2.astype('float').min(), resulttokenX2.astype('float').max(), 100), np.linspace(resulttokenY2.astype('float').min(), resulttokenY2.astype('float').max(), 100)
xi, yi = np.meshgrid(xi, yi)

# Interpolate
rbf = scipy.interpolate.Rbf(resulttokenX2, resulttokenY2, resulttokenF2, function='linear')
zi = rbf(xi, yi)

plt.imshow(zi, vmin=resulttokenF2.astype('float').min(), vmax=resulttokenF2.astype('float').max(), origin='lower', extent=[resulttokenX2.astype('float').min(), resulttokenX2.astype('float').max(), resulttokenY2.astype('float').min(), resulttokenY2.astype('float').max()])
plt.scatter(resulttokenX2.astype('float'), resulttokenY2.astype('float'), c=resulttokenF2.astype('float'))
plt.colorbar()
plt.show()

標籤：Python 麻木的 变量 插值 numpy-ndarray

上一篇：Ubuntu18.04 + Windows10 雙系統安裝

下一篇：如何檢查值是否未定義，如果是，則將其設定為空