我尝试使用x，y，z值和岩性分类创建岩性值的3d模型。我得到的最接近的解决方案是使用线性插值方法，然而，我想根据未知值是否线性地位于两个已知点之间来分类，而不是插值。有没有办法在python中做到这一点？我尝试过逻辑回归模型，但问题是数据集相对稀疏，每个站点都不同，所以模型不能很好地泛化。
我的数据是经纬度和NAVD 88表面高程。我知道投影问题，我可能会在以后投影我的数据，以使其在空间上更准确，但现在我试图看看是否有一种相对简单的方法来在两个已知的x，y，z点之间进行分类，而不必编写自己的线性表达式算法。
提前感谢！
这是我现在插值的方法：

#query is my dataset queried from my database
# Dimensions
latitude_vals = query['Y']
longitude_vals = query['X']
z_vals = query['lith_elev_start']
lith_vals = query['SoilID']

#numpy array conversion
x = np.asarray(longitude_vals, dtype=np.float64)
y = np.asarray(latitude_vals, dtype=np.float64)
z = np.asarray(z_vals, dtype=np.float64)

# Map text values to numerical codes
lith_mapping = {lith: code for code, lith in enumerate(lith_vals.unique())}  #encode lithology classifications to integers
w = np.array([lith_mapping[lith] for lith in lith_vals], dtype=np.float64)  #np array of lith classification values

# Create a grid of coordinates for the output NetCDF
output_x = np.linspace(min(x), max(x), 100)
output_y = np.linspace(min(y), max(y), 100)
output_z = np.linspace(min(z), max(z), 100)

# Use meshgrid to create 3D arrays of coordinates
output_x, output_y, output_z = np.meshgrid(output_x, output_y, output_z, indexing='ij')

# Interpolate on the grid
grid_points = np.array([output_x.flatten(), output_y.flatten(), output_z.flatten()]).T

output_w_linear = griddata((x, y, z), w, grid_points, method='linear', fill_value=-9999)

output_w_linear =output_w_linear.reshape(output_x.shape)

字符串