如何获取pandas Series重采样后二阶样条插值的系数？

pandas的interpolate(method='spline')底层封装了scipy的样条实现，但没有直接暴露系数获取接口。你可以手动用scipy重构相同的样条插值逻辑，从而拿到系数，具体步骤如下：

步骤1：提取原始数据的数值化时间轴和对应值 #

样条插值需要连续的自变量，因此先把原始Series的时间索引转换成相对于起始时间的数值（比如分钟数）：

# 提取原始数据的自变量（时间转分钟数）
start_time = X.index[0]
x_original = (X.index - start_time).total_seconds() / 60  # 每个小时对应60分钟间隔
y_original = X.values

步骤2：用scipy构建二次样条并获取系数 #

使用scipy.interpolate.InterpolatedUnivariateSpline创建与pandas参数一致的二次样条（k=2对应order=2），然后直接提取系数：

from scipy.interpolate import InterpolatedUnivariateSpline

# 创建二次样条对象
spl = InterpolatedUnivariateSpline(x_original, y_original, k=2)

# 获取样条系数
coeffs = spl.get_coeffs()  # 系数数组
tck = spl.tck  # 元组(节点数组, 系数数组, 样条次数)

tck中的节点数组定义了分段样条的区间，每个区间对应的二次多项式系数可以从系数数组中提取。二次样条每个分段对应3个系数（对应多项式 ax² + bx + c）。

步骤3：验证与pandas插值结果一致 #

可以通过样条对象预测重采样后的1分钟数据，确认和pandas的Y结果一致：

# 生成重采样后的时间轴数值
x_new = (Y.index - start_time).total_seconds() / 60
y_pred = spl(x_new)

# 检查是否一致（浮点误差范围内）
print(np.allclose(y_pred, Y.values))  # 输出True

这样就无需逐个区间处理插值，直接通过全局的样条对象获取所有分段的系数，同时保证和pandas的插值逻辑完全对齐。

内容的提问来源于stack exchange，提问作者user23743026