Scipy splrep插值不贴合实验数据点，生成虚假极值问题求助

问题背景 #

处理实验数据平滑插值时，使用scipy.interpolate.splrep生成的样条曲线在数据点间出现虚假的极值（不必要的起伏）。尝试过UnivariateSpline和savgol_filter，结果类似。调整权重系数（给第4、5个数据点加大权重）时曲线无变化；设置k=2（二次样条）后效果略有改善，但仍不满足需求。

复现代码 #

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import splrep, splev

x = [0, 0.001226, 0.002454, 0.003696, 0.01, 0.027, 0.058, 0.068]
y = [0, 101.85916358, 203.71832716, 305.57749074, 356.50707253, 407.43665432, 458.3662361, 470.58933573]

plt.plot(x, y, label="原始数据")

# 默认三次样条
itp_spline = splrep(x, y)
x_new = np.linspace(min(x), max(x), num=100)
y_new = splev(x_new, tck=itp_spline)
plt.plot(x_new, y_new, label="默认三次样条")

# 调整参数后的样条
weights = [1,1,4,100,200,40,30,2]
itp_spline_2 = splrep(x, y, w=weights, k=2, s=1)
y_new_2 = splev(x_new, tck=itp_spline_2)
plt.plot(x_new, y_new_2, linestyle="dashed", label="调整参数后样条")

plt.legend()
plt.show()

问题原因分析 #

1. 数据分布不均：x轴前4个点密集集中在0~0.004区间，后续点跨度突然增大。默认的三次样条（k=3）需要强制拟合相邻点的二阶导数连续性，在这种极端不均匀的数据下极易产生局部振荡。
2. 权重参数理解错误：splrep的w参数是残差的权重，用于降低噪声点的影响，而非“增强点的影响力”。当s（平滑因子）设置过大时，样条过度平滑，权重调整无效；s过小时，样条严格贴合所有点，权重也无法发挥作用。

解决方案 #

1. 正确利用权重约束 #

要让特定点（如第4、5个点）对曲线影响更大，需配合s参数调整：

• 减小s值，让样条更贴近数据点；
• 给目标点设置远大于其他点的权重，迫使样条优先贴合这些点。

示例代码：

# 强化第4、5个点的权重（索引从0开始，对应x=0.003696和x=0.01）
weights = [1, 1, 1, 1000, 1000, 1, 1, 1]
itp_spline_weighted = splrep(x, y, w=weights, k=2, s=0.1)
y_new_weighted = splev(x_new, tck=itp_spline_weighted)
plt.plot(x_new, y_new_weighted, linestyle="-.", label="高权重约束样条")

2. 数据预处理：均匀化分布 #

对x轴做对数变换，让数据点分布更均匀，从根源上减少振荡：

# 跳过x=0（对数无意义）
x_log = np.log10(x[1:])
y_log = y[1:]
itp_spline_log = splrep(x_log, y_log, k=2, s=1)
x_new_log = np.linspace(min(x_log), max(x_log), 100)
y_new_log = splev(x_new_log, tck=itp_spline_log)
# 转换回原始x轴
x_new_original = 10 ** x_new_log
plt.plot(x_new_original, y_new_log, label="对数变换插值")

更贴合需求的替代算法 #

1. 单调样条插值（PCHIP） #

scipy.interpolate.PchipInterpolator会保证曲线单调递增/递减，完全避免虚假极值，完美匹配你的期望效果：

from scipy.interpolate import PchipInterpolator
pchip = PchipInterpolator(x, y)
y_pchip = pchip(x_new)
plt.plot(x_new, y_pchip, label="单调样条(PCHIP)")

2. 线性插值+平滑 #

先用线性插值填充数据，再用savgol_filter平滑，适合这种先陡增后平缓的数据：

from scipy.signal import savgol_filter
y_linear = np.interp(x_new, x, y)
y_smooth = savgol_filter(y_linear, window_length=15, polyorder=2)
plt.plot(x_new, y_smooth, label="线性插值+平滑")

内容的提问来源于stack exchange，提问作者Juan Sebastian Villota Parra