Matlab Makima插值与scipy.interp1d的差异及结果不匹配原因咨询

• 插值方法匹配问题：如果你的Scipy代码用了默认的kind='linear'或其他非Makima类型，结果必然和Matlab的Makima不匹配。必须显式指定kind='makima'，才能对应Matlab的Makima插值逻辑。
• 端点处理逻辑不同：Matlab的Makima插值会在端点外构造虚拟控制点，以此保证边界平滑性；而Scipy的interp1d(kind='makima')采用的边界处理规则和Matlab存在差异，这会直接导致两端的插值结果出现明显偏差。
• 算法细节实现差异：二者虽都基于Modified Akima（Makima）样条算法，但具体的权重计算、节点斜率推导细节有区别。比如Matlab在相邻节点斜率的权重分配公式，和Scipy的实现不完全一致，这会影响整条插值曲线的形状。
• 数值计算精度差异：即使算法逻辑一致，Matlab和Scipy在浮点数运算顺序、舍入方式上可能存在细微差别，对于1000个点的大规模数组，累积误差可能导致结果出现可观测的差异。
• 输入数据隐性要求差异：Matlab的makima函数要求输入的X数组必须严格单调，否则直接报错；而Scipy的interp1d在X非单调时，默认会根据assume_sorted参数处理重复或乱序节点，若输入X存在非单调情况，二者的处理逻辑不同也会导致结果不匹配。

举个简单的代码对比示例：
Matlab代码：

X = linspace(-5, 5, 1000);
y = sin(X) + randn(size(X))*0.1;
X_new = linspace(-5, 5, 2000);
y_interp = makima(X, y, X_new);

Python代码：

import numpy as np
from scipy.interpolate import interp1d

X = np.linspace(-5, 5, 1000)
y = np.sin(X) + np.random.randn(len(X))*0.1
X_new = np.linspace(-5, 5, 2000)
f = interp1d(X, y, kind='makima')
y_interp = f(X_new)

即使使用上述对应代码，两端的插值结果仍可能存在差异，核心原因就是端点处理和算法细节的不同。

内容的提问来源于stack exchange，提问作者Mani