我在 3d 网格上测量了一个数量。我的测量值分布在四个 xy 平面上，如下图所示。测量值大致遵循笛卡尔网格，但具有不同的间距和间隙。测量值在 z 方向上更加稀疏，但我预计数量在 x 和 y 方向上的变化幅度更大。

整个域不是凸的，但现在我将只关注测量平面重叠的数据点子集。

我感兴趣的是线性插值 3D 中的量（在测量平面重叠的 xy 区域中），对所有空间的量进行积分，并确定每个方向的梯度。

我知道沿笛卡尔网格的三线性插值（例如 scipy.interpolate.RegularGridInterpolator）和使用 Delaunay 三角剖分的重心插值（例如 scipy.interpolate.LinearNDInterpolator）。选择一种方法比另一种方法有优势吗？我还在 matplotlib.tri.TriInterpolator.gradient 中找到了梯度计算。这是一个不错的选择吗？