Scipy中splprep与splrep处理同数据返回不同结果的问题

问题背景 #

用样条拟合一组数据点时，相同条件下splprep与splrep/make_interp_spline输出结果差异明显：splrep使用更便捷，但splprep的结果更符合需求——希望给定的点作为样条峰值，且点间插值效果与splprep一致，需明确差异原因。

拟合数据 #

x_points = [ 0,  5,  10, 15,  20, 30, 40, 50, 60]
y_points = [12, 5,  19,  5,  19, 5,  19, 5 ,12]

实现代码与结果 #

1. splprep实现 #

def get_spline_points(xs, ys):
    mytck, myu = itp.splprep([xs, ys], k=2, s=0)
    xnew, ynew = itp.splev(np.linspace(0, 1, 1000), mytck)
    return (xnew, ynew)

2. splrep实现 #

def get_spline_points(xs, ys):
    mytck = itp.splrep(x=xs, y=ys, k=2, s=0)
    ys = itp.splev(np.arange(0, 60.5, 0.5), mytck)
    return ys

3. make_interp_spline实现 #

def get_spline_points(xs, ys):
    bspline = interpolate.make_interp_spline(xs, ys, k=2)
    fig, ax = plt.subplots()
    xs_n = np.arange(0, 60.5, 0.5)
    ys_n = bspline(xs_n)
    ax.plot(xs_n, ys_n, linewidth=2.0)
    ax.scatter(x_points, y_points, c='green')
    plt.show()

（结果与splrep一致）

差异原因 #

两类函数的核心逻辑完全不同：

• splprep：参数化曲线插值
  把x、y都视为参数u的函数（默认u是点间弧长累积值，s=0时强制通过所有输入点），拟合的是二维曲线的路径，不要求x单调。它会按曲线的节点密度（而非x轴间距）来分配样条的平滑度，因此能让每个原始点都成为曲线的关键峰值点，贴合需求。

• splrep/make_interp_spline：单变量函数插值
  是传统的y=f(x)型插值，要求x严格单调（你的数据满足）。拟合时以x为自变量，最小化y的拟合误差，样条的平滑度受x轴间距影响：x密集区域样条变化更灵敏，稀疏区域（如你的x从20到30间距为10）则会过度平滑，导致峰值被拉平。

解决方案：兼顾易用性与拟合效果 #

如果想保留splrep的易用性，同时得到splprep的峰值拟合效果，可以手动构造参数u，分别拟合x(u)和y(u)，再通过u生成插值点：

import numpy as np
from scipy import interpolate as itp
import matplotlib.pyplot as plt

x_points = [0, 5, 10, 15, 20, 30, 40, 50, 60]
y_points = [12, 5, 19, 5, 19, 5, 19, 5, 12]

# 构造等距参数u
u = np.linspace(0, 1, len(x_points))
# 分别拟合x关于u、y关于u的样条
tck_x = itp.splrep(u, x_points, k=2, s=0)
tck_y = itp.splrep(u, y_points, k=2, s=0)

# 生成高密度u点，得到插值后的x、y
u_new = np.linspace(0, 1, 1000)
x_new = itp.splev(u_new, tck_x)
y_new = itp.splev(u_new, tck_y)

# 可视化
plt.plot(x_new, y_new, linewidth=2.0)
plt.scatter(x_points, y_points, c='green')
plt.show()

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