Получить данные для промежуточных значений

import numpy as np
import pandas as pd
from scipy.interpolate import LinearNDInterpolator
from scipy.spatial import Delaunay
 
xls_names='при 3000м2.xls','при 1000 м2.xls','при 500 м2.xls'
area=[3000, 1000,500]
res=[]
 
for Z,name in zip(area, xls_names):
    WS = pd.read_excel(name, header=None)
    WS_np = np.array(WS) 
    X=np.float32(WS_np[1:,0])
    Y=np.float32(WS_np[0,1:])
    print(name, np.min(X), np.max(X), np.min(Y), np.max(Y))
    Y,X=np.meshgrid(Y,X)
    V=np.float32(WS_np[1:,1:])
    Z=np.full_like(V, Z)
    res.append(np.vstack((X.flat, Y.flat, Z.flat, V.flat)).T)
data=np.concatenate(res, axis=0)
 
values=data[:,3]
 
# создание интерполятора, долго, но его можно подсчитать один раз, 
# сереализировать (pikle) и сохранить в файл, а в дальнейшем читать его из файла.
tri = Delaunay(data[:,0:3])
interp = LinearNDInterpolator(tri, values)
 
point=np.array([[43.5, -7, 500], [43.5, -7, 700] ]) #0.50166
print(interp(point))
# расчет сечений для z=500, 1000, 1500, 2000, 2500 м2
# время расчета для 5 сечений ~ 40 сек
x=np.arange(-5, 49.5, 5) 
y=np.arange(-19.5, 19.5, 5)
z=np.arange(500,3000,500)
X,Y,Z=np.meshgrid(x,y,z)
 
V=interp(X,Y,Z)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
 
df = pd.read_excel('при 500 м2.xls')
val = df.values[:,1:].T
val[val < 1e-3] = 0.01
plt.figure(figsize=(10,10))
plt.imshow(val, cmap='jet', interpolation = 'bicubic', vmax=0.1)
X, Y = np.meshgrid(range(df.shape[1]), range(df.shape[0]-1))
Z = val
plt.colorbar()
plt.contour(X, Y, Z, sorted([2**(-n) for n in range(10)]))
plt.show()

import numpy as np
import pandas as pd
from scipy.interpolate import LinearNDInterpolator
from scipy.spatial import Delaunay
from matplotlib import pyplot as plt
 
xls_names='при 3000м2.xls','при 1000 м2.xls','при 500 м2.xls'
area=[3000, 1000,500]
res=[]
 
for Z,name in zip(area, xls_names):
    WS = pd.read_excel(name, header=None)
    WS_np = np.array(WS) 
    X=np.float32(WS_np[1:,0])
    Y=np.float32(WS_np[0,1:])
    Y,X=np.meshgrid(Y,X)
    V=np.float32(WS_np[1:,1:])
    Z=np.full_like(V, Z)
    res.append(np.vstack((X.flat, Y.flat, Z.flat, V.flat)).T)
data=np.concatenate(res, axis=0)
values=data[:,3]
 
# создание интерполятора, долго, но его можно подсчитать один раз, 
# сереализировать (pikle) и сохранить в файл, а в дальнейшем читать его из файла.
tri = Delaunay(data[:,0:3])
interp = LinearNDInterpolator(tri, values)
 
# расчет сечений для z=500, 1000, 1500, 2000, 2500, 3000 м2
# время расчета для 5 сечений ~ 40 сек
x=np.arange(-5, 49.5, .5) 
y=np.arange(-19.5, 19.5, .5)
z=np.arange(500,3500,500)
X,Y,Z=np.meshgrid(x,y,z)
V=interp(X,Y,Z) # результат интерполяции
extent=np.min(x), np.max(x), np.min(y), np.max(y)
for section, title in zip(map(np.squeeze, np.dsplit(V, V.shape[-1])), np.nditer(z)):
    plt.figure(figsize=(10,10))
    plt.imshow(section, cmap='jet', interpolation = 'bicubic', vmin=0.01, vmax=0.1, extent=extent)
    plt.colorbar()
    X,Y=np.meshgrid(x,y)
    plt.contour(X, Y, section, np.power(2.0, np.arange(-9,1)))
    plt.title(f'{title}')
    plt.show()