正确的语法是ip = interp2d(x, y, z); zi = ip(xi, yi)。
此外，interp2d与interp2并不完全相同。RectBivariateSpline更接近。

我也遇到过同样的问题，并且发现scipy.ndimage.map_coordinates和Vq = interp2(V,Xq,Yq)的功能是一样的。请阅读这些命令的文档，以找到解决方案。
用Matlab的Vq = interp2(V,Xq,Yq)来实现：

Vq = scipy.ndimage.map_coordinates(V, [Xq.ravel(), Yq.ravel()], order=3, mode='nearest').reshape(V.shape)

字符串

对于interp2（v，xq，yq）

ip = scipy.interpolate.griddata((y.ravel(),x.ravel()),distorted.ravel(),(yq.ravel(),xq.ravel()))

字符串
请注意，返回的结果需要调整大小。即（ip.resize(img.shape)）
这里y,x是

x,y = np.meshgrid(np.arange(w),np.arange(h))

型
其中w,h分别是图像的宽度和高度。
有关更多信息，您可以阅读griddata文档。https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.griddata.html
对于interp2（X，Y，V，Xq，Yq），只需将x,y替换为X,Y

Interp 2d输出另一个函数，允许您调用Xi和Yi。但是，请注意！它将它们作为矩阵进行计算，而不是标量。您将不得不使用for循环来分别计算Xi和Yi的每对值，并获得与MATLAB相同的行为。

F=interpolate.interp2d(X,Y,Z)
Zi=[]
for i, j in zip(Xi,Yi)
   Zi.append(F(i,j))

字符串

我只是想自己权衡一下，因为我也在努力寻找一个相当于MATLAB代码的Python：

[X, Y] = meshgrid(x, y')
[XI, YI] = meshgrid(xi, yi')

Vq = interp2(X, Y, Z', XI, YI)
coeff = diag(Vq)'

字符串
在 * 我的特定情况下 *，MATLAB变量和大小是，

*x和y分别为（m x 1）和（1 x n）。
*Xi和yi：均为（1 x w）大小。
*X&Y：（m x n）我的采样点的网格。
*Z：（n x m）对应函数值的数组（在函数中转置）。
*Xi和YI：都是我查询点的（w x w）网格。
*coeff：（1 x w）插值系数的数组。

我尝试了scipy.interpolate. BivariateSpline，并能够获得MATLAB代码产生的精确结果。这只是有点棘手，因为文档有点混乱，但关键是使用.ev方法。Python代码如下：

from scipy.interpolate import RectBivariateSpline

# NOTE: The x, y, xi, and yi arrays are kept 1-dimensional, and not converted to meshgrids.

interp = RectBivariateSpline(x, y, Z, kx=1, ky=1)
coeff = interp.ev(xi, yi)

型
这段代码应该给你给予和MATLAB代码完全相同的结果，其中我的Python变量的大小如下，

*x和y分别为（m，i）和（n，i）。
*Z：（m x n），转自MATLAB。
*Xi&yi：两个变量都是（w，）形状。
*coeff：（w，）。