scipy.interp2d已弃用，如何实现二维网格插值？

问题背景 #

我需要对二维pandas规则网格进行插值，原流程为：提取DataFrame的索引与列作为坐标，将数据转换为numpy数组后，使用scipy.interp2d(x_index,y_index,my2Ddata)定义插值函数，调用f(a,b)获取结果。但scipy.interp2d已弃用，需寻找替代方案。

官方报错提示 #

对于遗留代码，规则网格可使用RectBivariateSpline替代，散乱二维数据可使用bisplrep/bisplev；新代码中，规则网格建议使用RegularGridInterpolator，散乱数据优先选择LinearNDInterpolator或CloughTocher2DInterpolator。

最优解决方案：使用RegularGridInterpolator #

针对规则网格场景，RegularGridInterpolator是官方推荐的新方案，用法简洁且性能更优，完全适配需求，具体步骤如下：

1. 导入依赖模块

import numpy as np
from scipy.interpolate import RegularGridInterpolator
import pandas as pd

2. 处理数据（从pandas转换为numpy）

假设数据存储在df（pandas DataFrame）中：

# 提取x、y方向的坐标（列对应x，索引对应y）
x_coords = df.columns.values  # 一维numpy数组，x轴坐标
y_coords = df.index.values    # 一维numpy数组，y轴坐标
grid_data = df.values         # 二维numpy数组，对应网格上的原始数据

3. 创建插值器

注意坐标顺序与数据数组的轴顺序对应：grid_data的形状为(len(y_coords), len(x_coords))，因此插值器的坐标参数需传入(y_coords, x_coords)：

interpolator = RegularGridInterpolator((y_coords, x_coords), grid_data)

4. 执行插值

• 单个点插值：传入二维数组格式的坐标对（每行一个点），提取结果标量：

# 假设要插值的点为(y=a, x=b)
single_point_result = interpolator(np.array([[a, b]]))[0]

• 批量点/网格插值：若需生成新的插值网格，可先构造网格点再传入：

# 构造新的x、y坐标数组
x_new = np.linspace(x_coords.min(), x_coords.max(), 100)
y_new = np.linspace(y_coords.min(), y_coords.max(), 100)

# 生成网格点矩阵
y_grid, x_grid = np.meshgrid(y_new, x_new, indexing='ij')
# 转换为插值器要求的点格式（N个点的二维数组）
points = np.stack([y_grid.ravel(), x_grid.ravel()], axis=1)

# 执行插值并重塑为网格形状
interpolated_grid = interpolator(points).reshape(y_grid.shape)

5. 兼容原interp2d调用风格（可选）

如果习惯原interp2d的调用方式，可以封装一个简易函数：

def regular_grid_interp(x, y, data):
    interp = RegularGridInterpolator((y, x), data)
    y_grid, x_grid = np.meshgrid(y, x, indexing='ij')
    points = np.stack([y_grid.ravel(), x_grid.ravel()], axis=1)
    return interp(points).reshape(y_grid.shape)

# 使用方式与原interp2d一致
f = lambda a, b: regular_grid_interp(a, b, grid_data)
# 传入新的x、y坐标数组，得到插值后的二维数组
result = f(x_new, y_new)

内容的提问来源于stack exchange，提问作者M LUY