Python中调整数据分辨率的方法

我有一组模拟数据（存储在2D NumPy数组中），这些数据来自不同的模型，因此每个模型的分辨率各不相同。例如，一些模拟数据的尺寸如下：

> 1159 x 1367
> 144 x 157
> 72 x 82
> 446 x 500
> 135 x 151

我的目标是将所有数据转换为相同的分辨率，例如144 x 157。为了实现这一目标，需要进行插值处理。我在研究以下几种方法：

> scipy.interpolate.griddata
> scipy.ndimage.interpolation.zoom
> scipy.interpolate.RegularGridInterpolator
> scipy.ndimage.interpolation.map_coordinates

其中，RegularGridInterpolator 和 map_coordinates 看起来最适合解决这个问题，但我不确定如何使用它们生成指定分辨率的新网格化数据。

最终，我发现可以使用 RegularGridInterpolator 来实现这一目标：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import RegularGridInterpolator
def regrid(data, out_x, out_y):
    m = max(data.shape[0], data.shape[1])
    y = np.linspace(0, 1.0/m, data.shape[0])
    x = np.linspace(0, 1.0/m, data.shape[1])
    interpolating_function = RegularGridInterpolator((y, x), data)
    yv, xv = np.meshgrid(np.linspace(0, 1.0/m, out_y), np.linspace(0, 1.0/m, out_x))
    return interpolating_function((xv, yv))

通过上述代码，可以将不同分辨率的数据转换为指定的分辨率。例如，将一个1159 x 1367的数据转换为144 x 157的分辨率。