Создание регулярной сетки Delaunay в scipy

Есть ли какой-нибудь метод получения триангуляции в 2D, который более упорядочен, как производит Matlab Delaunay? Вот пример триангуляции 2D Delaunay от Matlab.

• scipy.optimize.curvefit () - массив не должен содержать infs или NaNs
• SciPy build / install Mac Osx
• pd.rolling_mean становится устаревшим - альтернативы для ndarrays
• Исключительная интерполяция с замаскированными данными?
• Как преобразовать sklearn.OneHotEncoder для восстановления исходных данных?

Используя этот код:

xPoints = np.arange(0,11,1) yPoints = np.arange(0,11,1) gridPoints = np.array([[x,y] for y in yPoints for x in xPoints]) tri = Delaunay(gridPoints) plt.triplot(gridPoints[:,0],gridPoints[:,1],tri.simplices.copy()) plt.plot(gridPoints[:,0],gridPoints[:,1],'bo') plt.title("Triangulation Visualization") 

Я получаю триангуляцию ниже:

Обратите внимание, что диагональные дуги в результате Matlab имеют одинаковый наклон; но те, кто в scipy результате, меняются. Поскольку Matlab и Scipy используют QHull внутренне, я предполагаю, что есть некоторый метод для имитации результата Matlab.

 import matplotlib.tri as tri xlen = 10 ylen = 16 xPoints = np.arange(0,xlen+1,1) yPoints = np.arange(0,ylen+1,1) gridPoints = np.array([[[x,y] for y in yPoints] for x in xPoints]) a = [[i+j*(ylen+1),(i+1)+j*(ylen+1),i+(j+1)*(ylen+1)] for i in range(ylen) for j in range(xlen)] triang = tri.Triangulation(gridPoints[:,:,0].flatten(), gridPoints[:,:,1].flatten(),a) plt.triplot(triang) plt.plot(gridPoints[:,:,0],gridPoints[:,:,1],'bo') plt.title("Triangulation Visualization")