网格数据预测方法

由于scipy中的griddata用于执行插值(三次样条曲线和其他),我们必须将插值所依据的数据作为参数,同时,我们还必须将要进行“预测”的新点作为参数。

是否有可能构造一个“griddata对象”,该对象将有一种预测新点的方法,而无需每次重建新的插值样条线? (例如,与回归树一样,我们首先构建树,然后应用.predict(new\u points)方法)。

以下是一个示例:

import pandas as pd
import numpy as np
import sklearn
import scipy.interpolate as itp

n = 100
x1 = np.linspace(-2, 4, n)

X1 = []
X2 = []

for x in x1:
    X1.append( [x for i in range(0, n)] )
    X2.append( np.linspace(9, 15, n) )

X1 = np.array(X1).flatten()
X2 = np.array(X2).flatten()

Y1 = exp( 2*X1 )
    Y2 = 3 * sqrt(X2)

#Data frames :
X = np.transpose( [X1, X2] )
X = pd.DataFrame(X, columns=["X1", "X2"])

Y = np.transpose( [Y1, Y2] )
Y = pd.DataFrame(Y, columns=["Y1", "Y2"])

X_new = np.transpose( [[-2], [9]] )

inter_cubic = itp.griddata(X, Y, X_new, method='cubic', fill_value=nan, rescale=False)

print(inter_cubic)

print(exp(2*(-2)), 3*sqrt(9))

现在inter\u cubic只是一个numpy数组。。

有没有一种方法可以执行它,或者我们可以使用另一个“样条线”构造函数?