科研颜狗：python之克里金插值模块pykriging

15195775117

一、科研界也是颜狗

现在的文化很肤浅，不论人、狗、电子产品，都是颜值为王，
科研界也是如此，图的美观性胜过数据的准确性，
不仅中国，Nature和Science对图的要求，都是十分苛刻的。

克里金插值法是我最喜欢的平面插值法，虽然它的原理我一知半解，准确性也不好把握，
但是它出的图真的很漂亮！

而且，它的速度还挺快，
以前我经常用IDL出克里金的图，
以下是我长期使用、久经考验的程序：
IDL之通用版克里金Kriging插值程序

二、曲高和寡

python中的克里金模块是pyKriging，网上的帖子都是把它内置的示例运行一遍，所以出的结果都是一样的，
以前我研究PyQt与JS交互方法时，也发现网上的帖子几乎都是抄的同一家：
PyQt与高德地图JS交互操作范例
由此可见，但凡有些深度的知识，网上就不好找了，还得靠自己和身边的小圈子。

15195775117

三、样板程序

我使用的是python3.8，网上有人是用python2.7


import pyKriging  
from pyKriging.krige import kriging  
from pyKriging.samplingplan import samplingplan

# The Kriging model starts by defining a sampling plan,
# we use an optimal Latin Hypercube here
sp = samplingplan(2)  
X = sp.optimallhc(20)

# Next, we define the problem we would like to solve
testfun = pyKriging.testfunctions().branin  
y = testfun(X)

# Now that we have our initial data,
# we can create an instance of a Kriging model
k = kriging(X, y, testfunction=testfun, name='simple')  
k.train()

# Now, five infill points are added.
# Note that the model is re-trained after each point is added
numiter = 5  
for i in range(numiter):  
    print('Infill iteration {0} of {1}....'.format(i + 1, numiter))
    newpoints = k.infill(1)
    for point in newpoints:
        k.addPoint(point, testfun(point)[0])
    k.train()

# 出图
k.plot()

15195775117

四、深入源码


克里金插值法虽然理论比较复杂，但是代码不是太长，
网上有人直接用matlab手敲克里金插值法，
IDL的krig2d.pro是352行，pyKriging包是9个文件2500行，
通过阅读源码，化繁为简，精炼出通用程序，
目前至少有2步：
1、将样本数据替换为自定义数据，
2、从kriging.plot方法中分离计算结果，把画图部分剔除

13top

分享，棒

zhksoft

{:eb502:}

西西

谢谢楼主！