Сплайн-интерполяция по 3 переменным для разбросанных данных в Python?

Question

Другими словами, я получил набор точек данных (x,y,z), связанных со значением b, и я хотел бы интерполировать эти данные с максимально возможной точностью. Только Scipy.interpolate.griddata может выполнять линейную интерполяцию. Какие есть другие варианты?

Answer 1

Как насчет интерполяции x, y, z отдельно? Я изменил этот учебный пример и добавил к нему интерполяцию:

import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import InterpolatedUnivariateSpline

mpl.rcParams['legend.fontsize'] = 10

# let's take only 20 points for original data:
n = 20

fig = plt.figure()
ax = fig.gca(projection='3d')
theta = np.linspace(-4 * np.pi, 4 * np.pi, n)
z = np.linspace(-2, 2, n)
r = z**2 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)
ax.plot(x, y, z, label='rough curve')

# this variable represents distance along the curve:
t = np.arange(n)

# now let's refine it to 100 points:
t2 = np.linspace(t.min(), t.max(), 100)

# interpolate vector components separately:
x2 = InterpolatedUnivariateSpline(t, x)(t2)
y2 = InterpolatedUnivariateSpline(t, y)(t2)
z2 = InterpolatedUnivariateSpline(t, z)(t2)

ax.plot(x2, y2, z2, label='interpolated curve')

ax.legend()
plt.show()

Результат выглядит так:

ОБНОВИТЬ

Не понял вопроса с первого раза, извините.

Вы, вероятно, ищете трикубическую интерполяцию. Попробуй это.