如何基于x插值值与目标数据值反推2D数据集的y值？

针对你提出的需求——给定x_interp和目标值interp_value，推导对应的y值，核心思路是把2D问题拆解为一维根查找问题，具体实现可以结合xarray的插值能力和scipy/numpy的数值求解工具，以下是具体方案：

核心逻辑 #

对于每个给定的x_interp，先在原DataArray的x维度上插值，得到该x位置下，y与目标变量的一维映射曲线；然后在这条一维曲线上，查找使得变量值等于interp_value的y值。

具体实现 #

1. 构造示例数据（模拟你的数据集） #

import numpy as np
import xarray as xr
from scipy.optimize import root_scalar

# 生成x、y维度
x = np.arange(0, 80, 0.2)
y = np.arange(15, 65)
xx, yy = np.meshgrid(x, y, indexing='ij')

# 构造示例2D数据（替换成你的真实数据）
z = 0.1 * xx + 0.5 * yy + np.random.randn(*xx.shape)*0.1
da = xr.DataArray(z, dims=['x', 'y'], coords={'x': x, 'y': y})

2. 单x值求解y #

定义函数，针对单个x_interp值，找到对应目标值的y：

def get_y_from_x_target(x_val, target_val, data_array):
    # 插值得到该x对应的y-变量曲线
    z_at_x = data_array.interp(x=x_val).values
    # 定义差值函数：找z(y) = target_val的根，即f(y) = z(y) - target_val = 0
    def residual(y_candidate):
        # 对候选y值插值得到对应的z
        z_interp = np.interp(y_candidate, data_array.y.values, z_at_x)
        return z_interp - target_val
    
    # 使用二分法查找根（指定y的范围为原y的区间）
    res = root_scalar(residual, bracket=[data_array.y.min(), data_array.y.max()], method='bisect')
    if res.converged:
        return res.root
    raise ValueError(f"x={x_val}时，目标值{target_val}超出该x对应的变量值范围")

调用示例：

x_interp = 15.0
target_val = 30.0
y_result = get_y_from_x_target(x_interp, target_val, da)
print(f"x={x_interp}，目标值{target_val}对应的y值：{y_result:.2f}")

3. 批量处理多个x_interp #

利用xarray的apply_ufunc实现批量计算：

x_interp_list = [5.0, 20.0, 35.0, 50.0]
target_val = 28.0

# 批量求解
y_results = xr.apply_ufunc(
    get_y_from_x_target,
    xr.DataArray(x_interp_list),
    target_val,
    da,
    vectorize=True
)

print("批量求解结果：")
print(y_results.to_pandas())

4. 简化方案（仅适用于单调曲线） #

如果你的数据在每个x对应的y维度上是单调变化的，可以直接用numpy的反向插值，无需根查找：

def get_y_monotonic(x_val, target_val, data_array):
    z_at_x = data_array.interp(x=x_val).values
    # 反向插值：用z值找对应的y
    return np.interp(target_val, z_at_x, data_array.y.values)

注意：如果数据非单调，该方法会返回错误结果，仅适合单调场景。

注意事项 #

• 确保目标值interp_value落在该x对应的变量值范围内，否则根查找会失败
• 若数据存在噪声或非单调特性，可尝试更换scipy的根查找方法（如brentq），或先对数据做平滑处理
• 批量处理时，apply_ufunc会自动利用xarray的坐标对齐特性，保证结果的坐标一致性

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