含缺失数据的Healpix地图插值问题及解决方案咨询

问题说明 #

在用healpy填补稀疏采样生成的Healpix地图空洞时，healpy.pixelfunc.get_interp_val存在明显局限性：只要插值依赖的4个相邻像素中任意一个为NaN，函数返回值就会变成NaN，导致空洞无法被有效填充。

核心修复逻辑 #

通过修改函数最后的求和方式即可解决问题：将原代码中的return np.sum(m2[p] * w, 0)替换为return np.nansum(m2[p] * w, 0)，利用numpy.nansum自动忽略NaN值的特性，让插值计算正常进行。

可行解决方案 #

方案1：直接修改healpy源码 #

• 定位pixelfunc.py文件路径：运行import healpy; print(healpy.pixelfunc.__file__)获取文件位置
• 打开该文件，找到get_interp_val函数的最后一行
• 将np.sum替换为np.nansum，保存文件后重启Python环境生效
• 注意：这种修改会在healpy包更新后被覆盖，适合临时测试或自定义隔离环境

方案2：封装独立兼容函数 #

由于原函数依赖pixlib._get_interpol_ring，无需完全重写，直接包装原逻辑并替换求和步骤即可：

import numpy as np
import healpy as hp
from healpy.pixlib import _get_interpol_ring

def get_interp_val_nan_friendly(m, theta, phi, nest=False):
    """支持NaN值的Healpix插值函数，兼容原get_interp_val参数"""
    if m.ndim == 1:
        m = m.reshape(1, -1)
    nside = hp.npix2nside(m.shape[1])
    theta = np.asarray(theta)
    phi = np.asarray(phi)
    # 复用healpy内部的插值像素索引和权重计算
    p, w = _get_interpol_ring(nside, theta, phi, nest)
    m2 = m[:, p]
    # 使用nansum忽略NaN值进行加权求和
    return np.nansum(m2 * w, 0)

• 该函数完全兼容原get_interp_val的参数和使用方式，直接调用即可替代原函数处理含NaN的场景
• 无需修改源码，不会受包更新影响，适合长期使用

内容的提问来源于stack exchange，提问作者WTReach