如何对二维NumPy数组指定列的0值进行线性插值填充？

我有一个形状为(273, 3)的二维NumPy数组，其中第二、第三列存在0值，需要基于第一列的数值沿垂直轴对这些0值进行线性插值替换。

示例输入数组：

datatot =  [...
 [19250.0 768.27 20.35]
 [19345.0 770.17 11.32]
 [19433.0 0 0]
 [19545.0 0 0]
 [19679.0 777.25 14.95]
 [19741.0 778.46 14.32]
 [19822.0 780.8 19.01]
 ...]

目标数组：

datatot =  [...
 [19250.0 768.27 20.35]
 [19345.0 770.17 11.32]
 [19433.0 772.53 12.53]
 [19545.0 774.59 13.74]
 [19679.0 777.25 14.95]
 [19741.0 778.46 14.32]
 [19822.0 780.8 19.01]
 ...]

我尝试使用numpy.interp和interp1d但未能成功，代码如下：

datatot = interp1d(datatot[:, 0], datatot[:, 1], fill_value="0", kind='linear')

请问该如何正确设置插值函数？

你之前的代码存在两个问题：一是interp1d返回的是插值函数对象，而非直接替换后的数组；二是没有过滤掉第二、三列中的0值，导致插值时把0当成有效数据点，结果不符合预期。以下是两种可行的解决方法：

方法一：使用numpy.interp #

numpy.interp是轻量的一维线性插值工具，步骤清晰：

1. 提取第一列作为插值的x轴基准数据
2. 对第二、第三列分别筛选非0的有效数据点
3. 用有效点构建插值，对所有x值计算结果并替换原数组的0值

代码示例：

import numpy as np

# 提取x轴数据
x = datatot[:, 0]

# 处理第二列
mask_col2 = datatot[:, 1] != 0
# 筛选有效x和y值
valid_x_col2 = x[mask_col2]
valid_y_col2 = datatot[:, 1][mask_col2]
# 计算插值结果并替换
datatot[:, 1] = np.interp(x, valid_x_col2, valid_y_col2)

# 处理第三列
mask_col3 = datatot[:, 2] != 0
valid_x_col3 = x[mask_col3]
valid_y_col3 = datatot[:, 2][mask_col3]
datatot[:, 2] = np.interp(x, valid_x_col3, valid_y_col3)

方法二：使用scipy.interpolate.interp1d #

如果需要更灵活的插值类型（如三次插值），可以用interp1d，核心逻辑同样是先筛选有效点，再用插值函数计算所有x的值：

from scipy.interpolate import interp1d

x = datatot[:, 0]

# 处理第二列
mask_col2 = datatot[:, 1] != 0
# 创建插值函数，fill_value="extrapolate"支持外推超出范围的点
f_col2 = interp1d(x[mask_col2], datatot[:, 1][mask_col2], kind='linear', fill_value="extrapolate")
datatot[:, 1] = f_col2(x)

# 处理第三列
mask_col3 = datatot[:, 2] != 0
f_col3 = interp1d(x[mask_col3], datatot[:, 2][mask_col3], kind='linear', fill_value="extrapolate")
datatot[:, 2] = f_col3(x)

注：如果不需要外推超出已知x范围的点，可以将fill_value设为固定值（如0）或保留默认的nan，再根据需求处理空值。

内容的提问来源于stack exchange，提问作者Dedder