如何在Python中用scipy.interpolate剔除0值并实现插值？

方法一：使用Pandas（最简便） #

Pandas的Series原生支持空值（NaN）处理和插值，步骤直接清晰：

• 将列表转为Series结构
• 把所有0.0替换为np.nan（空值）
• 调用interpolate()完成插值（默认线性插值，可指定其他方法）
• 可选：转回普通列表

代码示例：

import pandas as pd
import numpy as np

my_list = [725.998474, 0.0, 0.0, 0.0, 0.0, 789.507934, 792.585388, 801.612916, 799.38916, 809.280518, 809.186036, 811.899414, 412.314528]

# 转Series并替换0.0为NaN
s = pd.Series(my_list).replace(0.0, np.nan)
# 执行插值（默认线性，可加method参数指定如'spline'）
interpolated_s = s.interpolate()
# 转回列表
result_list = interpolated_s.tolist()

print(result_list)

方法二：纯Numpy实现（无Pandas依赖） #

如果不想引入Pandas，用Numpy也能手动完成：

• 列表转Numpy数组，替换0.0为NaN
• 提取非空值的索引和对应数值
• 用np.interp做线性插值

代码示例：

import numpy as np

my_list = [725.998474, 0.0, 0.0, 0.0, 0.0, 789.507934, 792.585388, 801.612916, 799.38916, 809.280518, 809.186036, 811.899414, 412.314528]

arr = np.array(my_list)
# 替换0.0为NaN
arr[arr == 0.0] = np.nan
# 获取非空值的索引与数值
valid_indices = np.where(~np.isnan(arr))[0]
valid_values = arr[valid_indices]
# 对所有索引执行插值
all_indices = np.arange(len(arr))
interpolated_arr = np.interp(all_indices, valid_indices, valid_values)
# 转回列表
result_list = interpolated_arr.tolist()

print(result_list)

注意事项 #

• 如果数据里有合法的0.0（非异常值），不要直接全替换，可根据前后数值范围、阈值等先筛选出异常0.0再处理。
• 插值方法可按需选择：线性插值适合连续平稳的数据，样条插值（method='spline'）适合有曲线趋势的数据，时间序列场景还能用method='time'（需配合时间索引）。

内容的提问来源于stack exchange，提问作者JasonKim