scipy.interpolate.LinearNDInterpolator与interp2d插值结果差异问询

核心差异：插值方法本质不同 #

interp2d和LinearNDInterpolator虽都标注为"线性插值"，但适用场景与计算逻辑完全不同：

• interp2d：针对规则网格数据执行双线性插值。它会先将输入点视为规则网格（提取x、y的唯一值并排序），再分别在x、y方向做线性插值，最终组合得到结果。
• LinearNDInterpolator：针对任意分布的不规则点集，先对输入点做Delaunay三角剖分，再在目标点所在的三角形内执行三角形线性插值。

你的案例具体计算验证 #

输入的矩形规则网格点：

# x,y坐标点
a=[[0.6, 20], [0.6, 30], [0.8, 20], [0.8, 30]]
# 对应z值
b=[1.71, 1.43, 1.57, 1.44]

目标计算点：[0.7,25]

1. interp2d的双线性插值计算 #

步骤1：先在x=0.6和x=0.8的y方向插值，得到y=25时的z值

• x=0.6时：z = 1.71 + (1.43-1.71)*(25-20)/(30-20) = 1.57
• x=0.8时：z = 1.57 + (1.44-1.57)*(25-20)/(30-20) = 1.505

步骤2：在y=25的x方向插值，得到x=0.7时的z值

• z = 1.57 + (1.505-1.57)*(0.7-0.6)/(0.8-0.6) = 1.5375
  这就是b1的结果。

2. LinearNDInterpolator的三角剖分插值计算 #

四个矩形点会被剖分为两个三角形，目标点[0.7,25]落在三角形(0.6,30), (0.8,20), (0.8,30)内。拟合该三角形的平面方程z = Ax + By + C，代入三个点求解得：

• A=0.05，B=-0.013，C=1.79

代入目标点计算：
z = 0.05*0.7 -0.013*25 +1.79 = 0.035 -0.325 +1.79 = 1.5
这就是b2的结果。

结论 #

两种函数的结果差异由插值方法的本质不同导致：

• 处理规则网格数据时，优先使用interp2d（或scipy官方推荐替代的RegularGridInterpolator）
• 处理不规则分布点集时，使用LinearNDInterpolator

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