Spline-Interpolation über 3 Variablen für verstreute Daten in Python?

Question

Mit anderen Worten habe ich eine Reihe von Datenpunkten (x, y, z) mit einem Wert b verbunden und möchte diese Daten so genau wie möglich interpolieren. Scipy.interpolate.griddata kann nur eine lineare Interpolation durchführen, was sind die anderen Optionen?

Answer 1

Wie wäre es, x, y, z separat zu interpolieren? Ich modifizierte this Tutorial Beispiel und hinzugefügt Interpolation es:

import matplotlib as mpl 
from mpl_toolkits.mplot3d import Axes3D 
import numpy as np 
import matplotlib.pyplot as plt 
from scipy.interpolate import InterpolatedUnivariateSpline 

mpl.rcParams['legend.fontsize'] = 10 

# let's take only 20 points for original data: 
n = 20 

fig = plt.figure() 
ax = fig.gca(projection='3d') 
theta = np.linspace(-4 * np.pi, 4 * np.pi, n) 
z = np.linspace(-2, 2, n) 
r = z**2 + 1 
x = r * np.sin(theta) 
y = r * np.cos(theta) 
ax.plot(x, y, z, label='rough curve') 

# this variable represents distance along the curve: 
t = np.arange(n) 

# now let's refine it to 100 points: 
t2 = np.linspace(t.min(), t.max(), 100) 

# interpolate vector components separately: 
x2 = InterpolatedUnivariateSpline(t, x)(t2) 
y2 = InterpolatedUnivariateSpline(t, y)(t2) 
z2 = InterpolatedUnivariateSpline(t, z)(t2) 

ax.plot(x2, y2, z2, label='interpolated curve') 

ax.legend() 
plt.show() 

Das Ergebnis sieht wie folgt aus:

UPDATE

Haben die Frage beim ersten Mal nicht verstehen, sorry.

Sie suchen wahrscheinlich nach einer trikubischen Interpolation. Versuchen Sie this.