基于Pandas的X/Y/Z数据曲面绘制及Xi/Yi插值求Zi问题咨询

步骤1：提取数据与预处理 #

先从Pandas数据框中提取X、Y、Z的数值数组，同时准备好需要插值的目标点Xi、Yi（如果是网格形式，先展平为一维数组方便处理）：

import pandas as pd
import numpy as np

# 读取你的数据
df = pd.read_csv("your_data.csv")
x = df['X'].values
y = df['Y'].values
z = df['Z'].values

# 假设你已有目标插值点Xi、Yi（示例：生成网格）
Xi, Yi = np.meshgrid(np.linspace(x.min(), x.max(), 100), 
                     np.linspace(y.min(), y.max(), 100))
# 展平为一维数组
xi_flat = Xi.flatten()
yi_flat = Yi.flatten()

步骤2：用SmoothBivariateSpline实现三次样条插值 #

griddata的三次插值在数据分布不均时容易出现振荡，改用SmoothBivariateSpline（带平滑控制的双变量三次样条），更适合生成连续曲面并插值：

from scipy.interpolate import SmoothBivariateSpline

# 创建三次样条拟合模型，kx/ky指定样条阶数为3
# s为平滑参数：s=0时严格过所有数据点，有噪声时可设0.1-1调整平滑度
spline_model = SmoothBivariateSpline(x, y, z, kx=3, ky=3, s=0.1)

# 对目标点插值，再重塑为网格形状
zi_flat = spline_model.ev(xi_flat, yi_flat)
Zi = zi_flat.reshape(Xi.shape)

步骤3：可视化验证（可选） #

用Matplotlib绘制曲面图，确认插值效果是否符合预期：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(10,7))
ax = fig.add_subplot(111, projection='3d')
# 绘制插值曲面
ax.plot_surface(Xi, Yi, Zi, cmap='viridis', alpha=0.8)
# 叠加原始数据点对比
ax.scatter(x, y, z, color='red', s=15)
plt.show()

替代方案：径向基函数（Rbf）插值 #

如果样条插值效果仍不理想，可尝试Rbf插值，适合非结构化数据的平滑拟合：

from scipy.interpolate import Rbf

# 选择三次径向基函数
rbf_model = Rbf(x, y, z, function='cubic')
Zi = rbf_model(Xi, Yi)

内容的提问来源于stack exchange，提问作者Rajesh Patel