scipy.interpn参数输入格式困惑及ValueError报错求助

一、interpn核心参数格式要求 #

• points：元组类型，每个元素是对应维度的所有采样点构成的一维数组。比如3维场景下，格式为(x_array, y_array, z_array)，其中x_array是x轴上所有采样点的集合，y_array、z_array同理，每个数组需保持单调（官方要求）。
• values：N维数组，维度数量必须与points的长度一致，且每个维度的长度需匹配points中对应维度数组的长度。例如points是(x(5个点), y(6个点), z(7个点))，则values必须是(5,6,7)形状的数组，每个位置对应(x[i], y[j], z[k])的函数值。

二、报错原因与解决方案 #

报错原因 #

你传入的test_coords和test_density完全不符合参数要求：

1. test_coords是3个完整采样点的坐标（每行是一个(x,y,z)），但points需要的是每个维度单独的采样点数组，而非单个采样点的集合；
2. test_density是1维数组，但test_coords被interpn识别为3个维度的点数组（因它是3行的二维数组，interpn会把每行当作一个维度的数组），导致维度不匹配，触发There are 3 point arrays, but values has 1 dimensions错误。

另外，你的原始数据仅包含一条直线上的点（y固定为0.4，z固定为-15.6，只有x变化），无法直接进行3维插值，只能针对x维度做1维插值，或补充y、z维度的采样点构建完整3维网格后再插值。

解决方案 #

方案1：针对x维度做1维插值（匹配原始数据）

如果只需要在x维度插值，且y、z使用固定值（和原始数据一致），可以这样修改：

import numpy as np
from scipy.interpolate import interpn

# 拆分原始数据到各维度
x_values = test_coords[:, 0]
fixed_y = test_coords[0, 1]
fixed_z = test_coords[0, 2]
values = test_density

# 要插值的点：x=1，y和z用固定值
xi = np.array([[1, fixed_y, fixed_z]])
# 调用interpn，points是(x_values,)，对应1维插值
result = interpn((x_values,), values, xi, bounds_error=False)
print(result)

方案2：补充数据构建3维网格（如需真正的3维插值）

如果确实需要3维插值，你需要补充y、z维度的采样点，构建完整的3维坐标网格，并生成对应每个网格点的密度值，示例如下：

import numpy as np
from scipy.interpolate import interpn

# 补充y和z的采样点
x = np.array([0.4, 1.2, 2.0])
y = np.array([0.4, 1.0])  # 新增y维度采样点
z = np.array([-15.6, 1.0])  # 新增z维度采样点
points = (x, y, z)

# 构建3维网格的密度值（需替换为真实数据）
values = np.random.rand(len(x), len(y), len(z))

# 插值点
xi = np.array([1, 1, 1])
result = interpn(points, values, xi)
print(result)

内容的提问来源于stack exchange，提问作者adawg