Как эффективно генерировать данные с координатной сеткой из данных временных рядов в 82 тыс. точек? ⇐ Python

[Anonymous]

У меня есть данные временного ряда с 260 временными шагами и 82 тыс. точечных наблюдений на каждом временном шаге. Точки не следуют регулярной сетке, но их местоположение остается постоянным на протяжении всего временного ряда. Каков наиболее эффективный способ в Python преобразовать все данные временных рядов в обычную сетку? В частности, можем ли мы использовать знание о том, что расположение датчиков не меняется, чтобы быстрее вычислить интерполированную сетку?
Приведенный ниже код представляет собой мое решение для временного шага. Я не уверен, что обработка каждого временного шага отдельно является наиболее оптимальным методом для длинных временных рядов. Время вычисления для сетки 8000 X 8000 для временного шага составляет 10 с. Есть ли способ запустить код быстрее (чем выполнять код для каждого временного шага отдельно)?
from scipy.interpolate import griddata
import matplotlib.pyplot as plt

def interpolate_grid(x, y, values, target_size=(800, 800)):
"""Grid interpolation"""
points = (x , y)
xi = np.linspace(x.min(), x.max(), target_size[0])
yi = np.linspace(y.min(), y.max(), target_size[1])
xi, yi = np.meshgrid(xi, yi)
zi = griddata(points, values , (xi, yi), method='linear')
return xi, yi, zi

x, y, z = interpolate_grid(x=gdf.geometry.x,
y=gdf.geometry.y,
values=gdf[gdf.columns[1]],
target_size=(10000, 10000))


Подробнее здесь: https://stackoverflow.com/questions/793 ... eries-data