使用numpy.interp求y=0对应x值时出现插值错误的咨询

你的代码存在两个核心问题：

• np.interp参数顺序完全颠倒：np.interp的标准语法是np.interp(x_new, x, y)，其中x_new是要插值的自变量值，x是已知的单调递增自变量数组，y是对应因变量数组。你把y作为自变量传入、x作为因变量的逻辑完全错误。
• 传入的自变量数组不满足单调要求：np.interp要求第二个参数必须单调递增，而你的y数组[0.166, 0.282, 0.032, -0.124, -0.292]先升后降，不符合函数约束，这是导致插值结果异常（固定返回200）的直接原因。

解决方案1：手动线性插值（适合简单场景） #

先定位y值从正变负的区间（即y=0所在的区间），再用线性插值公式计算对应x：

import numpy as np
import matplotlib.pyplot as plt

x = [0, 50, 100, 150, 200]
y = [0.166, 0.282, 0.032, -0.124, -0.292]

# 寻找y穿越0的区间
for i in range(len(y)-1):
    if y[i] * y[i+1] < 0:  # 符号相反，说明区间内存在y=0的点
        x1, x2 = x[i], x[i+1]
        y1, y2 = y[i], y[i+1]
        # 线性插值公式计算x值
        x_at_y0 = x1 + (0 - y1) * (x2 - x1) / (y2 - y1)
        print(f"y=0对应的x值：{x_at_y0:.2f}")
        break

plt.plot(x, y, '--ro')
plt.axhline(y=0, color='b', linestyle='-')
plt.axvline(x=x_at_y0, color='g', linestyle='--')
plt.show()

运行结果会输出约110.26，这是正确的插值结果。

解决方案2：np.interp配合排序（通用场景） #

如果数据点较多或不确定y穿越0的位置，可以先将(y, x)对按y排序，让y变成单调递增数组，再使用np.interp：

import numpy as np
import matplotlib.pyplot as plt

x = [0, 50, 100, 150, 200]
y = [0.166, 0.282, 0.032, -0.124, -0.292]

# 将y和x配对后按y排序，得到单调递增的y数组
sorted_pairs = sorted(zip(y, x))
sorted_y, sorted_x = zip(*sorted_pairs)

y_value = 0
x_at_y0 = np.interp(y_value, sorted_y, sorted_x)
print(f"y=0对应的x值：{x_at_y0:.2f}")

plt.plot(x, y, '--ro')
plt.axhline(y=0, color='b', linestyle='-')
plt.axvline(x=x_at_y0, color='g', linestyle='--')
plt.show()

排序后的sorted_y满足单调递增要求，np.interp可以正常执行插值。

解决方案3：scipy工具包（复杂场景） #

如果需要非线性插值或更精确的根求解，可以使用scipy.interp1d和root_scalar：

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

x = [0, 50, 100, 150, 200]
y = [0.166, 0.282, 0.032, -0.124, -0.292]

# 创建x到y的线性插值函数
f = interp1d(x, y, kind='linear')

# 寻找f(x)=0的根（指定根所在区间）
result = root_scalar(lambda x_val: f(x_val), bracket=[100, 150])
x_at_y0 = result.root
print(f"y=0对应的x值：{x_at_y0:.2f}")

plt.plot(x, y, '--ro')
plt.axhline(y=0, color='b', linestyle='-')
plt.axvline(x=x_at_y0, color='g', linestyle='--')
plt.show()

这种方法适合需要高精度求解或非线性插值的场景。

内容的提问来源于stack exchange，提问作者user22031251