python - 为什么 scipy.interpolate.griddata 表现不佳？

Question

我正在尝试使用来自 scipy 的 griddata 在翼型系数数据库中插入值。基本上，数据库有一组不同攻角和雷诺数的系数，我想在给定点之间进行线性插值。但是当我根据原始点绘制插值时，它们排列得不是很好。几乎看起来 griddata 只使用外部点来定义插值。如何让它使用所有点进行插值？

这是我的数据集的结果（蓝色是数据，红色是插值）：

这是不同数据库的样子。注意它是如何完全切断右侧的拱门的。

这是我的代码：

# Read in file
filename = sys.argv[-1]
data = np.genfromtxt(filename, skip_header=1)
N = data.shape[0]

# Plot CL vs first two dofs
fig = plt.figure()
ax = fig.gca(projection='3d')
for i in range(data.shape[0]):
    ax.plot(data[i,0], data[i,1], data[i,-3], 'b.')
ax.set_xlabel("Alpha [rad]")
ax.set_ylabel("Re")
ax.set_zlabel("CL")

# Get griddata prediction
alpha_max = np.max(data[:,0])
alpha_min = np.min(data[:,0])
Re_max = np.max(data[:,1])
Re_min = np.min(data[:,1])

for a in np.linspace(alpha_min, alpha_max, 20):
    for Re in np.linspace(Re_min, Re_max, 20):
        CL = interp.griddata(data[:,:2], data[:,-3], np.array([[a, Re]])).item()
        ax.plot(a, Re, CL, 'r.')

标签： pythonscipyinterpolation

Answer 1

事实证明，如果我将雷诺数归一化Re_max，则插值效果很好。标准化是一件好事。