我试图创建一个2D向量场，应用多边形“遮罩”，使得每个点的Angular 和值都是它们与该多边形最近顶点的距离的函数。
我猜scipy.interpolate可能有我需要的东西，但我需要一些指导。
到目前为止，我可以用matplotlib创建一个多边形，得到它的顶点，然后用它们来创建一个插值器，但是在那之后，我不知道我在做什么。
我认为相关的伪代码应该是这样的：

for point in all_points:
    nearest = NearestPoint(polygon_vertices, point)
    value = point - nearest
    angle = Angle(nearest, point)

最困难的部分是计算任何给定坐标的多边形的最近顶点：但是必须有一个numpy/scipy函数来实现这个...
这是我目前得到的：

def CircleVertices():
    circ = plt.Circle((0.5, 0.5), radius=0.4, edgecolor='b', facecolor='None')
    return circ.get_path().vertices

def NearestNeighborInterpolate():
    vertices = CircleVertices()
    x, y = vertices[:,0], vertices[:,1]
    z = [np.hypot(x, y) for x,y in vertices]

    X = np.linspace(min(x)-0.5, max(x)+0.5, num=100)
    Y = np.linspace(min(y)-0.5, max(y)+0.5, num=100)

    X, Y = np.meshgrid(X, Y)
    interp = scipy.interpolate.NearestNDInterpolator(list(zip(x, y)), z)
    Z = interp(X, Y)

    plt.pcolormesh(X, Y, Z, shading='auto')
    plt.plot(x, y, "ok", label="input point")

    plt.legend()
    plt.colorbar()
    plt.axis("equal")
    plt.show()

def GriddataInterpolate():
    vertices = CircleVertices()
    x, y = vertices[:,0], vertices[:,1]

    xx = np.linspace(-1, 1, 20)
    yy = np.linspace(-1, 1, 20)
    xx, yy = np.meshgrid(xx, yy)

    u = [np.hypot(x, y) for x,y in vertices]
    v = [0.5 for _ in x]

    u_interp = scipy.interpolate.griddata(vertices, u, (xx, yy), method='linear')
    v_interp = scipy.interpolate.griddata(vertices, v, (xx, yy), method='linear')

    plt.quiver(xx, yy, u_interp, v_interp)
    plt.show()

它会生成以下两个图形：
nearest neighbor circle
grid data interpolation