scipy.interpolate.griddataで２次元データの補間をする

やりたい事

scipy.interpolate.griddataの使い方説明

x,y座標、及びその座標での値データがあるとします。

example.py

print(sample_df)
# >>>
#      X   Y  value
# 0    0   0     11
# 1    0   2     17
# 2    0   4     13
# 3    0   6     12
# 4    0   8     26
# ...
# 32  10   4      8
# 33  10   6     35
# 34  10   8     30
# 35  10  10     17

x,y座標のみをプロット

example.py

import matplotlib.pyplot as plt
import pandas as pd

fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.scatter(sample_df['X'], sample_df['Y'])
plt.show()

scipy.interpolate.griddataを使って座標とvaluesの空白部分を補間します。
結果は等高線マップで確認していきます。

補間したデータ

環境

Mac OS
Python 3.8.1

matplotlib 3.3.2
numpy 1.19.2
pandas 1.1.3
scipy 1.6.0

pip install matplotlib numpy pandas scipy

詳細

サンプルデータ

以下をサンプルデータとして使用します。

sample_data.py

import itertools

import numpy as np
import pandas as pd

# sample data
x_coord_range = [i for i in range(0, 11, 2)]
y_coord_range = [i for i in range(0, 11, 2)]

xy_coord = list(itertools.product(x_coord_range, y_coord_range))
values = np.random.randint(1, 50, len(xy_coord))

sample_df = pd.DataFrame()
sample_df['X'] = [xy[0] for xy in xy_coord]
sample_df['Y'] = [xy[1] for xy in xy_coord]
sample_df['value'] = values

print(sample_df)
# >>>
#      X   Y  value
# 0    0   0     11
# 1    0   2     17
# 2    0   4     13
# 3    0   6     12
# 4    0   8     26
# ...
# 32  10   4      8
# 33  10   6     35
# 34  10   8     30
# 35  10  10     17

コード

sample_dfの中身は分からない想定です

import itertools  # サンプルデータ作成にのみ使用

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from scipy.interpolate import griddata

# サンプルデータ作成個所は省略

# データ範囲を取得
x_min, x_max = sample_df['X'].min(), sample_df['X'].max()
y_min, y_max = sample_df['Y'].min(), sample_df['Y'].max()

# 取得したデータ範囲で新しく座標にする配列を作成
new_x_coord = np.linspace(x_min, x_max, 100)
new_y_coord = np.linspace(y_min, y_max, 100)

# x, yのグリッド配列作成
xx, yy = np.meshgrid(new_x_coord, new_y_coord)

# 既知のx, y座標, その値取得
knew_xy_coord = sample_df[['X', 'Y']].values
knew_values = sample_df['value'].values

# 座標間のデータを補間, method='nearest', 'linear' or 'cubic'
result = griddata(points=knew_xy_coord, values=knew_values, xi=(xx, yy), method='cubic')

# グラフ表示
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_aspect('equal', adjustable='box')
ax.contourf(xx, yy, result, cmap='jet')
plt.show()

データ範囲取得、新しい座標作成

# データ範囲を取得
x_min, x_max = sample_df['X'].min(), sample_df['X'].max()
# >>> 今回は x_min = 0, x_max = 10
y_min, y_max = sample_df['Y'].min(), sample_df['Y'].max()
# >>> 今回は y_min = 0, y_max = 10

# 取得したデータ範囲で新しく座標にする配列を作成
new_x_coord = np.linspace(x_min, x_max, 101)
# >>> [ 0.   0.1  0.2, ..., 10]
new_y_coord = np.linspace(y_min, y_max, 101)
# >>> [ 0.   0.1  0.2, ..., 10]

x, yの最大、最小値を取得して、実際のx, y２次元配列作成用の座標を作成します。
下表のような配列に補間値を入れていきたいのでnew_x_coord, new_y_coordはそれ用の
座標です

	0	0.1	0.2	...	10
0	val	val	val	...	val
0.1	val	val	val	...	val
0.2	val	val	val	...	val
...	...	...	...	...	val
10	val	val	val	...	val

np.grid

# x, yのグリッド配列作成
xx, yy = np.meshgrid(new_x_coord, new_y_coord)

ここが分かりやすいです。
配列の要素から格子列を生成するnumpy.meshgrid関数の使い方 - DeepAge

簡単にnp.meshgridで作成される配列の説明をすると、

example_meshgrid.py

import numpy as np

x = np.array([1, 2, 3])  # [x1, x2, x3]とする
y = np.array([1, 2, 3])  # [y1, y2, y3]とする
xx, yy = np.meshgrid(x, y)

xx=
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])
# xx=
# array([[x1, x2, x3],
#        [x1, x2, x3],
#        [x1, x2, x3]])


yy=
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])
# yy=
# array([[y1, y1, y1],
#        [y2, y2, y2],
#        [y3, y3, y3]])

# xxとyyを重ねるて見ると座標ができる
# array([[(1, 1),(2, 1),(3, 1)],
#        [(1, 2),(2, 2),(3, 2)],
#        [(1, 3),(2, 3),(3, 3)]])
# =
# array([[(x1, y1),(x2, y1),(x3, y1)],
#        [(x1, y2),(x2, y2),(x3, y2)],
#        [(x1, y3),(x2, y3),(x3, y3)]])

伝われ、、、

griddata

# 既知の座標とその値
knew_xy_coord = sample_df[['X', 'Y']].values
# >>>[[ 0  0]
#     [ 0  2]
#     ...
#     [10  8]
#     [10 10]]

knew_values = sample_df['value'].values
# >>> [14 32  4 35..., 9]

# 座標間のデータを補間, method='nearest', 'linear' or 'cubic'
result = griddata(points=knew_xy_coord, values=knew_values, xi=(xx, yy), method='cubic')
# >>> [[43.         40.16511073 37.34503184 ... 15.18228356 13.55766151 12.]
#      ...
#      [32.         30.91846813 29.83829943 ...  7.6922715   4.85443981 2. ]]

resultに補間された２次元配列が入ります。

scipy.interpolate.griddataの引数は

• points: 既知の座標 type=np.ndarray
• values: pointsで入れた座標の値 type=np.ndarray
• xi: x, yのグリッド配列 type=tuple(np.ndarray, np.ndarray)
• method: 補間の種類指定 type=str, 'nearest', 'linear' or 'cubic'
• fill_value: 補間できなかった座標の値を指定できる。type=float デフォルトはnan、'nearest'には効果なし
• rescale: ???

pointsとvaluesの長さは一致していないとエラーが起きます。

補間の種類

• nearest: 再近隣内挿（補間したい点から最も近いデータ値を代入する）
• linear:線形補間
• cubic: （２次元配列の場合）３次スプライン補間

グラフ表示

fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_aspect('equal', adjustable='box')
ax.contourf(xx, yy, result, cmap='jet')
plt.show()

座標有２次元配列なのでax.imshowではなくax.contourfを使用しています。
xのグリッド配列、yのグリッド配列、表示したい２次元配列の順に渡します。cmapはカラーマップの種類を指定しています。

ax.set_aspect('equal', adjustable='box')はxとyのアスペクト比を同じにしたいからです。

参考

scipy.interpolate.griddata — SciPy v1.6.0 Reference Guide

配列の要素から格子列を生成するnumpy.meshgrid関数の使い方 - DeepAge