首页 文章

Python / SciPy：将DataFrame从极地转换为笛卡尔网格的问题

提问于
浏览 次
1

我用多普勒风激光雷达测量（PPI电弧扫描） . 数据存储在pandas数据帧中，其中行表示方位角，列表示径向距离（输入形状= 30x197） . Link to example scan, (csv) . 我想将其转换为笛卡尔坐标系，并输出一个二维数组，该数组被重新网格化为x，y坐标而不是极坐标，其值存储在适当的网格单元格中 . 插值（最近邻居）是正常的，因此没有数据存在的区域为零或NaN填充 .

理想情况下，X和Y网格应该对应于点之间的实际距离，但是现在我只是想让它工作 . 这应该不是非常困难，但我无法获得我想要的结果 . 到目前为止，我的工作代码在极轴上精心绘制(example image)但这不适用于我的分析的后续步骤 .

我已经尝试了许多不同的方法 scipy.interpolate.griddata ， scipy.ndimage.geometric_transform 和 scipy.ndimage.map_coordinates 但没有得到正确的输出 . 以下是我最近尝试的示例（df_polar是链接的csv文件）：

# Generate polar and cartesian meshgrids
r = df_polar.columns
theta = df_polar.index
theta = np.deg2rad(theta)

# Polar meshgrid
rad_c, theta_c = np.meshgrid(r,theta)

# Cartesian meshgrid
X = rad_c * np.cos(theta_c)
Y = rad_c * np.sin(theta_c)
x,y = np.meshgrid(X,Y)

# Interpolate from polar to cartesian grid
new_grid = scipy.interpolate.griddata(
    (rad_c.flatten(), theta_c.flatten()), 
    np.array(df_polar).flatten(), (x,y), method='nearest')

结果根本不正确，从阅读文档和示例我不明白为什么 . 我非常感谢任何关于我出错的提示 . 非常感谢！！

python pandas numpy scipy

1 回答

  • 0

    我想你可能会错误地提供 griddata . 它需要笛卡尔点，如果你想在常规的x / y网格上插值，你需要创建一个并提供它 .

    试试这个，让我知道它是否产生了预期的结果 . 我很难判断这是否应该产生：

    from scipy.interpolate import griddata
import pandas as pd
import numpy as np

df_polar = pd.read_csv('onescan.txt', index_col=0)

# Generate polar and cartesian meshgrids
r = pd.to_numeric(df_polar.columns)
theta = np.deg2rad(df_polar.index)

# Polar meshgrid
rad_c, theta_c = np.meshgrid(r, theta)

# Cartesian equivalents of polar co-ordinates
X = rad_c*np.cos(theta_c)
Y = rad_c*np.sin(theta_c)

# Cartesian (x/y) meshgrid
grid_spacing = 100.0   # You can change this
nx = (X.max() - X.min())/grid_spacing
ny = (Y.max() - Y.min())/grid_spacing
x = np.arange(X.min(), X.max() + grid_spacing, grid_spacing)
y = np.arange(Y.min(), Y.max() + grid_spacing, grid_spacing)
grid_x, grid_y = np.meshgrid(x, y)

# Interpolate from polar to cartesian grid
new_grid = griddata(
    (X.flatten(), Y.flatten()),
    df_polar.values.flatten(),
    (grid_x, grid_y),
    method='nearest'
)

    结果值看起来像这样（使用 grid_spacing = 10 并翻转x和y）：

    import matplotlib.pyplot as plt
plt.imshow(new_grid.T, cmap='hot')

    enter image description here

    显然插入“最近”需要驯服......

    回复于

相关问题