使用SciPy ndimage.zoom处理含NaN数组时高阶插值全为NaN的解决方法

scipy.ndimage.zoom的高阶插值（二次、三次）输出全NaN的核心原因是该工具不原生支持忽略NaN值。高阶插值需要更大的邻域窗口计算新像素值，只要窗口内存在一个NaN，计算结果就会被污染成NaN；而线性插值的窗口更小，在你的测试案例中刚好有效点能覆盖计算需求，所以能得到部分有效结果。

以下是两种可行的解决方案：

方案一：用scipy.interpolate.griddata实现忽略NaN的高阶插值 #

griddata可直接基于有效点进行插值，自动忽略NaN区域，完全匹配你的需求：

import numpy as np
from scipy.interpolate import griddata

z_test = np.array([[0, 1, 3], [1, 3, 5], [2, 4, np.nan]])
zoom_factor = 20

# 提取原始数组中的有效点坐标与对应值
y, x = np.indices(z_test.shape)
valid_mask = ~np.isnan(z_test)
points = np.column_stack((x[valid_mask], y[valid_mask]))
values = z_test[valid_mask]

# 生成缩放后的目标网格坐标
new_shape = (z_test.shape[0] * zoom_factor, z_test.shape[1] * zoom_factor)
new_y, new_x = np.indices(new_shape)
new_points = np.column_stack((new_x.ravel(), new_y.ravel()))

# 执行二次/三次插值
quadratic_interp = griddata(points, values, new_points, method='quadratic').reshape(new_shape)
cubic_interp = griddata(points, values, new_points, method='cubic').reshape(new_shape)

方案二：先补全NaN再用ndimage.zoom进行高阶插值 #

如果一定要使用ndimage.zoom工具，可以先通过插值补全原始数组中的NaN，再执行缩放：

import numpy as np
from scipy import ndimage
from skimage.restoration import inpaint_biharmonic

z_test = np.array([[0, 1, 3], [1, 3, 5], [2, 4, np.nan]])
zoom_factor = 20

# 用双调和插值补全NaN区域
mask = np.isnan(z_test)
filled_z = inpaint_biharmonic(z_test, mask, channel_axis=None)

# 执行二次/三次缩放
quadratic_zoom = ndimage.zoom(filled_z, zoom=zoom_factor, order=2)
cubic_zoom = ndimage.zoom(filled_z, zoom=zoom_factor, order=3)

内容的提问来源于stack exchange，提问作者Marcus K.