RectBivariateSpline对合法输入返回NaN的异常问题求助

针对你遇到的问题，以下是具体排查和解决方向：

1. 验证数据网格的正确性 #

• 检查数据行数：确认model_2.txt加载后的Alldata行数为1000*500=500000，避免reshape时隐性的维度不匹配（虽然无报错，但顺序错位会导致网格数据混乱）
• 替换reshape为pivot重构网格：用pandas按x/y轴重新排列数据，避免原始文件的顺序问题导致网格错位：

  import pandas as pd
  df = pd.DataFrame(Alldata, columns=['x', 'y', 'data'])
  pivot_df = df.pivot(index='x', columns='y', values='data')
  xsdata = pivot_df.index.values
  ysdata = pivot_df.columns.values
  data = pivot_df.values
  

  用重构后的data创建插值函数，看是否恢复正常。
• 对比原始点与网格值：取一个非零的原始数据点(x_raw, y_raw, data_raw)，找到其在xsdata和ysdata中的索引：

  x_idx = np.argmin(np.abs(xsdata - x_raw))
  y_idx = np.argmin(np.abs(ysdata - y_raw))
  print(data[x_idx, y_idx], data_raw)
  

  如果两者不相等，说明reshape时数据顺序完全错位，这是核心问题。

2. 检查x/y轴的单调性与精度 #

• 确认严格单调性：插值函数要求x/y轴必须严格单调递增，执行以下代码验证：

  print("x轴严格递增:", np.all(np.diff(xsdata) > 1e-10))
  print("y轴严格递增:", np.all(np.diff(ysdata) > 1e-10))
  

  若返回False，说明存在重复或递减的轴值，会导致插值逻辑异常。
• 排查浮点数精度偏差：原始数据中的x/y值与unique后的轴值可能存在微小偏差，导致插值时无法匹配网格点。执行以下代码验证：

  # 取第一个x轴值，检查原始数据中匹配的点数量是否为500
  match_count = np.sum(np.isclose(Alldata[:,0], xsdata[0]))
  print("第一个x值对应的y点数量:", match_count)
  

  若match_count≠500，说明轴值与原始数据存在精度差异。

3. 排查数据中的隐性异常 #

• 检查无穷大值：虽然你确认无NaN，但无穷大值也会导致插值返回NaN，执行：

  print("数据中存在无穷大:", np.isinf(data).any())
  

• 测试低阶插值：改用最近邻插值（kx=0, ky=0）测试，若仍返回NaN，说明问题出在数据网格本身，而非插值算法的阶数设置。

4. 验证插值函数的输入有效性 #

• 测试原始点的插值结果：取原始非零区域的点(x0,y0)，执行int(x0, y0)，同时检查该点是否在网格范围内：

  print("x0在网格中:", np.isclose(xsdata, x0).any())
  print("y0在网格中:", np.isclose(ysdata, y0).any())
  print("网格x范围:", [xsdata.min(), xsdata.max()])
  print("网格y范围:", [ysdata.min(), ysdata.max()])
  

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