### 使用 `scipy.interpolate.griddata` 填充二维数组 `scipy.interpolate.griddata` 是 SciPy 提供的一个功能强大的插值工具，用于在不规则网格上进行插值。它可以通过已知的数据点生成一个完整的二维数组。以下是一个详细的说明和示例代码。 #### 方法概述 `griddata` 函数接受三个主要参数： 1. **points**：已知数据点的坐标（形状为 `(n, D)` 的数组，其中 `n` 是点的数量，`D` 是维度）。 2. **values**：与这些点对应的值（形状为 `(n,)` 的数组）。 3. **xi**：目标插值点的坐标（可以是单个点或网格点）。 通过这些参数，`griddata` 可以返回插值后的结果[^1]。 #### 示例代码 以下是一个使用 `scipy.interpolate.griddata` 填充二维数组的完整示例： ```python import numpy as np from scipy.interpolate import griddata import matplotlib.pyplot as plt # 已知数据点及其对应的值 x = np.array([0, 1, 2, 3, 4]) y = np.array([0, 1, 2, 3, 4]) values = np.array([0, 1, 2, 3, 4]) # 创建不规则网格上的点 points = np.vstack((x, y)).T # 目标插值网格 xi = np.linspace(0, 4, 100) yi = np.linspace(0, 4, 100) xi, yi = np.meshgrid(xi, yi) # 使用 griddata 进行插值 zi = griddata(points, values, (xi, yi), method='linear') # 可视化结果 plt.contourf(xi, yi, zi, levels=50, cmap='viridis') plt.scatter(x, y, c='red', label='Known Data Points') # 显示原始数据点 plt.colorbar(label='Interpolated Value') plt.legend() plt.title('2D Interpolation using scipy.interpolate.griddata') plt.show() ``` #### 解释 1. **已知数据点**：通过 `x` 和 `y` 定义了已知点的位置，`values` 定义了这些点的值。 2. **目标网格**：使用 `np.meshgrid` 创建了一个密集的目标网格。 3. **插值方法**：`griddata` 支持多种插值方法（如 `'nearest'`, `'linear'`, `'cubic'`），这里选择了 `'linear'`。 #### 注意事项 - 如果插值点超出了已知数据点的范围，插值结果可能会不可靠。 - 对于高维数据，插值计算的复杂度会显著增加。 ---