scipy.interpolate.bisplrep返回NaN值的原因是什么？

问题根源分析 #

bisplrep返回NaN的核心原因是iv_interpol中存在NaN值——griddata的linear方法在原始数据凸包外的点会生成NaN，而bisplrep无法处理包含缺失值的输入数据。

修复方案与优化代码 #

步骤1：清理输入数据，直接用原始有效数据构建B样条 #

跳过griddata中间步骤，直接把原始的有效(T,K,vol)数据传入bisplrep，避免引入额外NaN：

import numpy as np
import pandas as pd
from scipy.interpolate import bisplrep, bisplev

# 读取数据
vol = pd.read_csv('data1.csv', index_col='dte')

# 提取原始有效数据（剔除NaN）
T = vol.index.values
K = vol.columns.values
T_mesh, K_mesh = np.meshgrid(T, K)
vol_values = vol.values.T  # 转置匹配网格维度

# 筛选有效数据点
valid_mask = ~np.isnan(vol_values)
valid_T = T_mesh[valid_mask]
valid_K = K_mesh[valid_mask]
valid_vol = vol_values[valid_mask]

# 构建B样条（可调整kx, ky参数控制平滑度，默认是3次样条）
tck = bisplrep(valid_T, valid_K, valid_vol, kx=3, ky=3)

步骤2：封装可调用的插值函数 #

基于tck创建一个支持单个或批量点输入的函数：

def znew(a, b):
    # 兼容单个数值、列表或数组类型的输入
    return bisplev(a, b, tck)

# 测试调用示例
print(znew(10, 100))          # 单个点插值
print(znew([10,20], [100,110]))  # 批量点插值

额外补充 #

如果必须保留griddata预处理步骤，需要先补全iv_interpol中的NaN值，示例：

iv_interpol = griddata((valid_Ti, valid_Ki), valid_vol, (Ti, Ki), method='linear')
# 用最近邻法补全凸包外的NaN
nan_mask = np.isnan(iv_interpol)
iv_interpol[nan_mask] = griddata((valid_Ti, valid_Ki), valid_vol, 
                                  (Ti[nan_mask], Ki[nan_mask]), 
                                  method='nearest')
# 展平网格数据后传入bisplrep
tck = bisplrep(Ti.flatten(), Ki.flatten(), iv_interpol.flatten())

内容的提问来源于stack exchange，提问作者Xerium