识别最近的网格点

我有三个数组

lat=[15,15.25,15.75,16,....30]
long=[91,91.25,91.75,92....102]

data=
array([[  0. ,   0. ,   0. , ...,   0. ,   0. ,   0. ],
       [  0. ,   0. ,   0. , ...,   0. ,   0. ,   0. ],
       [  0. ,   0. ,   0. , ...,   0. ,   0. ,   0. ],
       ..., 
       [-99.9, -99.9, -99.9, ...,   0. ,   0. ,   0. ],
       [-99.9, -99.9, -99.9, ...,   0. ,   0. ,   0. ],
       [-99.9, -99.9, -99.9, ...,   0. ,   0. ,   0. ]])

[44 列和 60 行] 与长 x 纬度相同

如果我输入任何点（16.3,101.6），我需要找出最近的网格并从第三个数组中提取该网格的数据。我如何在 python 中使用 numpy 来做到这一点？这里我只举一个例子，但在实际问题中，我有几个要点。

我尝试过这个功能，

def getclosest_ij(lats,lons,latpt,lonpt):
    dis_sq1=(lats-latpt)
    dis_sq2=(lons-lonpt)
    minidex_lat=dis_sq1.argmin()
    minidex_lon=dis_sq2.argmin()
    return minidex_lon,minidex_lat

您正在寻找的算法是规则网格上的最近邻插值。例如，您可以使用，

from scipy.interpolate import RegularGridInterpolator

itp = RegularGridInterpolator( (lat, lon), data, method='nearest') 
res = itp(some_new_point)

作为奖励，如果您设置，此函数还可以执行更精确的线性插值method='linear'.