如何在离散化数据中精准表示函数的不连续性？

当你已知函数在采样点索引i和i+1对应的自变量区间内存在不连续性时，可通过以下几种稳健方式处理：

1. 显式存储不连续点的元数据 #

不要仅依赖单一采样值向量v，额外维护一个不连续点的信息列表，每个条目包含：

• 对应采样区间的索引对(i, i+1)
• 不连续点的精确自变量位置x_c（位于x_i和x_{i+1}之间）
• 不连续类型（左连续/右连续/双侧跳变）
• 左右极限值（若采样点刚好在不连续点两侧，v[i]和v[i+1]即可作为左右极限）

示例（伪代码）：

discontinuity_info = [
    {
        "interval_indices": (i, i+1),
        "break_point": x_c,
        "type": "step",  # 阶跃型不连续
        "left_limit": v[i],
        "right_limit": v[i+1]
    }
]

插值逻辑：

• 先定位查询自变量x所在的采样区间
• 若区间包含不连续点，对比x与x_c：
  • x < x_c：返回左极限值（或基于左侧连续段的插值结果）
  • x >= x_c：返回右极限值（或基于右侧连续段的插值结果）

2. 拆分采样区间，新增不连续点记录 #

直接修改采样向量和自变量向量，拆分含不连续点的区间：

• 将原区间[x_i, x_{i+1}]拆分为[x_i, x_c]和[x_c, x_{i+1}]
• 在v中插入两个值：v.insert(i+1, v[i])（左极限）、v.insert(i+2, v[i+1])（右极限）
• 对应自变量向量x插入两次x_c：x.insert(i+1, x_c)、x.insert(i+2, x_c)

这种处理后，普通分段线性插值会自然复现跳变：[x_i, x_c]区间插值结果恒为v[i]，[x_c, x_{i+1}]区间恒为v[i+1]，无需额外逻辑即可复用现有插值工具。

3. 自定义分段插值函数 #

基于原采样向量和不连续点信息，编写针对性插值逻辑：

• 先定位查询值所在的采样区间
• 连续区间用常规线性插值，不连续区间按跳变规则返回对应值

示例（Python）：

def custom_interp(x_query, x_samples, v_samples, discontinuities):
    # 定位查询值所在的采样区间索引
    i = next(idx for idx in range(len(x_samples)-1) if x_samples[idx] <= x_query < x_samples[idx+1])
    # 检查区间是否存在不连续点
    for disc in discontinuities:
        if disc["interval_indices"] == (i, i+1):
            x_c = disc["break_point"]
            return disc["left_limit"] if x_query < x_c else disc["right_limit"]
    # 无间断时使用线性插值
    slope = (v_samples[i+1] - v_samples[i]) / (x_samples[i+1] - x_samples[i])
    return v_samples[i] + slope * (x_query - x_samples[i])

关键注意事项 #

• 必须明确不连续点的精确位置，仅知道在两个采样点之间无法准确复现跳变时机
• 根据函数实际不连续类型调整逻辑：比如部分函数仅单侧存在极限，需对应修改返回规则
• 批量处理场景优先选择显式存储元数据的方式，避免修改原始采样向量造成数据冗余

内容的提问来源于stack exchange，提问作者Makogan