Scipy的griddata似乎能够处理这种大小的数据集而不会出现问题：
将numpy导入为np
导入scipy.interpolate
＃旧网格
x，y = np.mgrid [0：1：201j，0：1：513j]
z = np.sin（x * 20）*（1j + np.cos（y * 3））** 2＃一些数据
＃个新网格
x2，y2 = np.mgrid [0.1：0.9：201j，0.1：0.9：513j]
＃插值到新网格上
z2 = scipy.interpolate.griddata（（x.ravel（），y.ravel（）），z.ravel（），（x2，y2），method ='cubic'）
在旧的AMD Athlon上，griddata步骤大约需要5秒钟。
如果您的数据在网格上（即，与值z [i，j]对应的坐标为（x [i]，y [j]）），则可以使用scipy.interpolate.RectBivariateSpline来提高速度
z3 =（scipy.interpolate.RectBivariateSpline（x [：，0]，y [0 ,:]，z.real）（x2 [：，0]，y2 [0 ,:]）
+ 1j * scipy.interpolate.RectBivariateSpline（x [：，0]，y [0 ,:]，z.imag）（x2 [：，0]，y2 [0 ,:]））
这需要0.05秒。它的速度要快得多，因为即使您的网格间距不规则，只要网格是矩形的，也可以使用更有效的算法。
602392714
清零编程群