scipy.interpolate.interpn参数问题：3D数据无法使用cubic插值

报错原因 #

scipy.interpolate.interpn函数的method参数仅支持'linear'、'nearest'和'splinef2d'三个选项——其中splinef2d仅适用于2D数据，3D场景下无法使用。你传入'cubic'属于未被允许的参数值，直接触发了参数校验的ValueError。

3D数据是否支持该参数设置？ #

是的，interpn对3D数据完全不支持三次样条插值的参数设置，它的设计本身就没有提供多维三次样条的选项。

实现3D三次样条插值的方案 #

方案1：使用RegularGridInterpolator（推荐，规则网格场景） #

这个类是interpn的底层实现之一，支持多维（包括3D）的三次样条插值，且用法和interpn接近，适合规则网格数据：

from scipy.interpolate import RegularGridInterpolator
import numpy as np

# 初始化插值器，points为三个一维数组（对应三个维度的网格坐标），values为[90,180,8]的3D数据
interpolator = RegularGridInterpolator(points, values, method='cubic', bounds_error=True, fill_value=np.nan)
# xi为待插值点，形状需为(m, 3)（每行一个3D坐标点）
result = interpolator(xi)

注意：三次样条要求每个维度的网格点数至少为4，你的数据第三个维度有8个点，满足要求。

方案2：使用Rbf（径向基函数插值，适用于非规则/规则网格） #

如果你的数据不是严格规则网格，或者需要更灵活的插值方式，可以选择径向基函数插值，指定function='cubic'实现类似三次样条的平滑效果：

from scipy.interpolate import Rbf
import numpy as np

# 将规则网格坐标展开为一维数组
x, y, z = np.meshgrid(*points, indexing='ij')
x_flat = x.flatten()
y_flat = y.flatten()
z_flat = z.flatten()
values_flat = values.flatten()

# 创建三次径向基函数插值器
rbf_interp = Rbf(x_flat, y_flat, z_flat, values_flat, function='cubic')
# 拆分待插值点的三个维度
xi_x, xi_y, xi_z = xi[:, 0], xi[:, 1], xi[:, 2]
result = rbf_interp(xi_x, xi_y, xi_z)

注意：Rbf对缺失值（NaN）的支持较差，使用前需先清理数据中的NaN。

内容的提问来源于stack exchange，提问作者sangyc10