SciPy/NumPy中替代interp1d的一维线性插值函数对象方案是什么？

在scipy.interpolate.interp1d被标记为旧版的情况下，有三种简便方案可以构造类似PchipInterpolator的可调用线性插值函数/对象：

方案1：用CubicSpline指定线性样条（最推荐） #

CubicSpline支持通过k=1参数指定线性阶数的样条插值，返回的对象是可调用的，用法和PchipInterpolator完全一致，属于SciPy官方推荐的现代接口：

import numpy as np
from scipy.interpolate import CubicSpline

# 原始时间-值对
x = np.array([0, 1, 2, 3])
y = np.array([0, 2, 1, 3])

# 创建线性插值函数对象
linear_interp = CubicSpline(x, y, k=1)

# 查询任意插值点
print(linear_interp(0.5))       # 输出: 1.0
print(linear_interp([1.2, 2.7]))# 输出: [1.8 2.7]

这个方案的优势是和SciPy其他插值对象的API完全统一，还支持求导、积分等扩展操作，性能和稳定性都有保障。

方案2：自定义包装numpy.interp的函数对象 #

如果只想依赖NumPy，可以通过闭包或自定义类封装numpy.interp，实现可复用的插值函数：

闭包实现（轻量简洁） #

import numpy as np

def create_linear_interp(x, y):
    def interp_func(x_new):
        return np.interp(x_new, x, y)
    return interp_func

# 使用示例
x = np.array([0, 1, 2, 3])
y = np.array([0, 2, 1, 3])
linear_interp = create_linear_interp(x, y)

print(linear_interp(0.5))       # 1.0
print(linear_interp([1.2, 2.7]))# [1.8 2.7]

类实现（贴近SciPy插值对象风格） #

import numpy as np

class LinearInterpolator:
    def __init__(self, x, y):
        self.x = np.asarray(x)
        self.y = np.asarray(y)
    
    def __call__(self, x_new):
        return np.interp(x_new, self.x, self.y)

# 使用示例
linear_interp = LinearInterpolator([0,1,2,3], [0,2,1,3])
print(linear_interp(0.5))  # 1.0

方案3：用PPoly手动构建分段线性多项式 #

PPoly是SciPy中表示分段多项式的底层类，可以手动构造线性分段插值对象：

import numpy as np
from scipy.interpolate import PPoly

# 原始节点
x = np.array([0, 1, 2, 3])
y = np.array([0, 2, 1, 3])

# 计算每段的斜率
slopes = np.diff(y) / np.diff(x)
# 构造分段多项式系数（PPoly要求系数按高次到低次排列，一次多项式为[斜率, 截距]）
coeffs = np.vstack([slopes, y[:-1]]).T

# 创建可调用的插值对象
linear_interp = PPoly(coeffs.T, x)

# 查询插值结果
print(linear_interp(0.5))  # 1.0

内容的提问来源于stack exchange，提问作者pipe