我有三個相同形狀的2D陣列，讓我們稱它們為θ，phi和A。設θ和phi是與從表面上不同距離看到的法向量的角度：size = 100 # this value is fixedx = np.arange(-size, size)y = np.arange(-size, size)xx, yy = np.meshgrid(xx, yy)theta = np.arctan((xx**2+yy**2)**0.5 / 100) # angle from distance 100phi = np.arctan((xx**2+yy**2)**0.5 / 1000) # angle from distance 1000設 A 是測量值的 2D 映射，其中 x 軸是 θ，y 軸是 phi，在已知和線性步長中（實際上與 θ 和 phi 的形狀不同）。我需要的是用A（x，y）表示的A（theta，phi）的值。似乎我不知道如何將A（theta，phi）轉換為A（x，y），即使我知道theta（x，y）和phi（x，y）。我嘗試了什么： 通過 scipy.interpolate.interp2d，我可以將 A 映射到與 theta 和 phi 相同數量的行和列。現在，我可以迭代索引并猜測/舍入數組中最匹配的索引B = np.zeros(A.shape)for i in range(0,A.shape[0]):  for j in range(0,A.shape[1]):    B[i,j] = A[int(f_theta*theta[i,j]),int(f_phi*phi[i,j])]其中f_theta和f_phi是由索引步長測量的步長確定的前因數。這對我來說看起來非常糟糕和低效的編碼，就像我實際想要做的事情的粗略近似（這是反向插值映射？）。這讓我想起了查找表，坐標轉換和插值，但是由于沒有這些關鍵字，我找到了合適的方法來解決問題。我的python經驗大聲疾呼，將有一個模塊/函數，我不知道。編輯限制：A（theta，phi）中的軸的范圍大于θ（x，y）和phi（x，y）的范圍，使得映射值始終存在。我不需要將B映射回A，因此不存在缺失值的問題。映射 A（theta，phi）中的許多值永遠不會被使用。關于清晰度的編輯：我將給出一個帶有小矩陣的示例，希望澄清一些事情：# phi given in degreesphi = np.array([    [2,1,2],    [1,0,1],    [2,1,2],])# theta given in degreestheta = np.array([    [6,4,6],    [4,0,5],    [6,5,6],])# A[0,0] is the value at phi=0deg, theta=0deg# A[0,1] is the value at phi=1deg, theta=0deg# A[1,1] is the value at phi=1deg, theta=1deg etc# this is a toy example, the actual A cannot be constructed by a simple ruleA = np.array([    [0.0,0.1,0.2],    [1.0,1.1,1.2],    [2.0,2.1,2.2],    [3.0,3.1,3.2],    [4.0,4.1,4.2],    [5.0,5.1,5.2],    [6.0,6.1,6.2],])# what I want to reach:B = [[6.2,4.1,6.2],     [4.1,0.0,5.1],     [6.2,5.1,6.2]]我需要澄清的是，我在這里做了一些簡化：1）對于給定的θ，我可以通過查看表格來檢查相應的phi：theta[i，j]對應于phi[i，j]。但是這個例子的構造太簡單了，它們不共享相同的來源，它是嘈雜的數據，因此我無法給出解析表達式theta（phi）或phi（theta）2）我的實際θ和phi中的值是浮點數，我的實際A也以非整數步長測量（例如，在θ方向上每步0.45度，在phi方向上每步0.2度）3）原則上，由于θ和phi之間存在嚴格的關系，我只需要值A的特定1D“跡線”來找到B，但我不知道如何找到這個跡線，也不知道如何創建B出來的跡線。示例中的此跡線為 [A[0，0]，A[4，1]，A[5，1]，A[6，2]] = [0.0，4.1，5.1，6.2]