为何四点二次插值生成的曲线呈现三次多项式形态？

测试代码 #

import numpy as np
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt

# 定义四个数据点
x = np.array([0, 1, 2, 3])  # 点的x坐标
y = np.array([0, 1, 0, 1])  # 点的y坐标

# 创建二次插值函数
f = interp1d(x, y, kind='quadratic')

# 生成更密集的x网格用于绘图
x_interp = np.linspace(min(x), max(x), 1000)

# 计算插值后的y值
y_interp = f(x_interp)

# 绘制原始点和插值曲线
plt.scatter(x, y, label='原始数据点')
plt.plot(x_interp, y_interp, label='二次插值曲线')
plt.legend()
plt.xlabel('x')
plt.ylabel('y')
plt.title('4个数据点的二次插值')
plt.show()

现象说明 #

运行上述代码后，得到的曲线并非单一的二次抛物线，而是呈现出类似三次多项式的形态——曲线存在两个拐点，在每个原始数据点的子区间内呈现不同的凹凸性。

核心疑问 #

interp1d函数内部发生了什么？为何生成的曲线不是二次曲线？

原因解析 #

• 全局二次插值的局限性：单一的二次多项式只有3个参数，无法精确拟合4个独立的数据点（4个点会产生4个约束方程，超出参数数量），因此不可能生成全局的二次曲线。
• interp1d的quadratic是分段二次样条：scipy.interp1d中kind='quadratic'的实际含义是分段二次样条插值，而非全局二次多项式插值。函数会将整个x区间拆分为多个子区间（此处为[0,1]、[1,2]、[2,3]三个区间），每个子区间内单独拟合一条二次多项式曲线。
• 平滑性约束：为了保证曲线整体平滑，相邻子区间的二次多项式需要满足：在节点处函数值相等、一阶导数连续；同时默认应用"not-a-knot"边界条件（让首尾分段的二阶导数在相邻节点处相等），避免边界处出现突兀的转折。
• 视觉类似三次曲线的原因：每个子区间的二次多项式凹凸性可以不同，拼接后整体曲线会出现多个拐点（此处为2个），与三次多项式的拐点数量一致，因此视觉上看起来类似三次曲线，但本质是多条二次曲线的平滑拼接。

内容的提问来源于stack exchange，提问作者Steve