scipy.interpolate.RegularGridInterpolator 的正确用法

我有点困惑scipy.interpolate.RegularGridInterpolator 的文档 http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.RegularGridInterpolator.html.

举例来说，我有一个函数 f: R^3 => R ，它在单位立方体的顶点上采样。我想进行插值以便找到立方体内的值。

import numpy as np

# Grid points / sample locations
X = np.array([[0,0,0], [0,0,1], [0,1,0], [0,1,1], [1,0,0], [1,0,1], [1,1,0], [1,1,1.]])

# Function values at the grid points
F = np.random.rand(8)

Now, RegularGridInterpolator需要一个points论证，以及一个values争论。

points：float 的 ndarray 元组，形状为 (m1, ), ..., (mn, ) 定义 n 维规则网格的点。

values: 类似数组，形状 (m1, ..., mn, ...) n 维规则网格上的数据。

我将此解释为能够这样调用：

import scipy.interpolate as irp

rgi = irp.RegularGridInterpolator(X, F)

但是，当我这样做时，我收到以下错误：

ValueError：有 8 个点数组，但值有 1 个维度

我在文档中误解了什么？

好吧，当我回答自己的问题时，我觉得很傻，但是在原始文档的帮助下我发现了我的错误regulargrid lib:

https://github.com/JohannesBuchner/regulargrid https://github.com/JohannesBuchner/regulargrid

points应该是一个数组列表，指定点沿每个轴的间隔方式。

例如，要采用上面的单位立方体，我应该设置：

pts = ( np.array([0,1.]), )*3

或者如果我有沿最后一个轴以更高分辨率采样的数据，我可以设置：

pts = ( np.array([0,1.]), np.array([0,1.]), np.array([0,0.5,1.]) )

最后，values形状必须与隐式布局的网格相对应points。例如，

val_size = map(lambda q: q.shape[0], pts)
vals = np.zeros( val_size )

# make an arbitrary function to test:
func = lambda pt: (pt**2).sum()

# collect func's values at grid pts
for i in range(pts[0].shape[0]):
    for j in range(pts[1].shape[0]):
        for k in range(pts[2].shape[0]):
            vals[i,j,k] = func(np.array([pts[0][i], pts[1][j], pts[2][k]]))

所以最后，

rgi = irp.RegularGridInterpolator(points=pts, values=vals)

根据需要运行和执行。