数据可视化应用Python-pykrige包-克里金(Kriging)插值计算及可视化绘制

Posted 文宇肃然

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据可视化应用Python-pykrige包-克里金(Kriging)插值计算及可视化绘制相关的知识,希望对你有一定的参考价值。

本文我们将介绍如何使用Python进行克里金(Kriging)插值计算及插值结果的可视化绘制。主要涉及的知识点如下:

  • 克里金(Kriging)插值简介

  • Python-pykrige库克里金插值应用

  • 克里金(Kriging)插值结果可视化绘制

克里金(Kriging)插值简介

克里金法(Kriging) 是依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法。在特定的随机过程,例如固有平稳过程中,克里金法能够给出最优线性无偏估计(Best Linear Unbiased Prediction, BLUP),因此在地统计学中也被称为空间最优无偏估计器(spatial BLUP)(以上定义来自于网络)。还是IDW插值介绍一样,我们省去繁琐的公式推导过程,示意图如下:

                        (Kriging插值示意图)

而使用Python进行Kriging插值计算无需自定义复杂的函数,这里我们直接调用pykrige包进行Kriging插值计算,而我们所要做的就是将计算出pykrige包插件计算所需要的参数数据即可。

插值网格制作

无论是自定义还是调用包,我们都需要制作出我们插值区域的网格(grid),方法也十分简单,首先根据地图文件(js)获取其经纬度范围,这里我们使用geopand

以上是关于数据可视化应用Python-pykrige包-克里金(Kriging)插值计算及可视化绘制的主要内容,如果未能解决你的问题,请参考以下文章

使用 gstat 和 automap 包的克里金法 - 复制教程时的问题

数据可视化的鼻祖是谁?打死你也想不到!

数据可视化应用绘制峰峦地图(附Python和R语言代码)

Python科学计算包应用-教你以可视化的方式打开NumPy

使用现有 R 应用程序/包可视化协作网络结构

如何在 Python 中使用克里金法插入测站数据?