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