使用interpolate.interp2d实现Python二维线性插值遇异常求助

你的代码存在两个核心问题：

1. 数据格式不符合interp2d的要求 #

scipy.interpolate.interp2d是针对规则网格数据设计的：

• 输入的X和Y需要是定义网格坐标轴的一维数组（比如X是x方向所有网格点的集合，Y是y方向所有网格点的集合）
• Z需要是二维数组，形状为(len(Y), len(X))，每个元素对应网格点(X[j], Y[i])的数值

但你的X1、X2、X3是散点数据（N个独立的(x,y,z)点），直接传入interp2d会导致插值逻辑混乱，无法得到正确结果。

2. 插值点超出数据定义域 #

原X2的取值范围是[0.01, 0.5]，但你设置的X2new=2.5远超出这个范围。interp2d默认不支持外插，超出定义域的点会返回无意义的结果（这里得到0就是典型表现）。

修正后的代码 #

对于散点插值，应该使用scipy.interpolate.griddata，它专门处理非规则分布的散点数据。同时调整X2new到合理范围内（比如0.26，和原数据中X1≈2.5附近的X2值匹配）：

import numpy as np
from scipy import interpolate

# 原始散点数据
X1 = [ 0.  , 0.05, 0.1 , 0.15, 0.2 , 0.25, 0.3 , 0.35, 0.4 , 0.45, 0.51,
       0.56, 0.61, 0.66, 0.71, 0.76, 0.81, 0.86, 0.91, 0.96, 1.01, 1.06,
       1.11, 1.16, 1.21, 1.26, 1.31, 1.36, 1.41, 1.46, 1.52, 1.57, 1.62,
       1.67, 1.72, 1.77, 1.82, 1.87, 1.92, 1.97, 2.02, 2.07, 2.12, 2.17,
       2.22, 2.27, 2.32, 2.37, 2.42, 2.47, 2.53, 2.58, 2.63, 2.68, 2.73,
       2.78, 2.83, 2.88, 2.93, 2.98, 3.03, 3.08, 3.13, 3.18, 3.23, 3.28,
       3.33, 3.38, 3.43, 3.48, 3.54, 3.59, 3.64, 3.69, 3.74, 3.79, 3.84,
       3.89, 3.94, 3.99, 4.04, 4.09, 4.14, 4.19, 4.24, 4.29, 4.34, 4.39,
       4.44, 4.49, 4.55, 4.6 , 4.65, 4.7 , 4.75, 4.8 , 4.85, 4.9 , 4.95,
       5.  ]

X2 = [0.01, 0.02, 0.02, 0.02, 0.03, 0.04, 0.04, 0.04, 0.05, 0.06, 0.06,
        0.06, 0.07, 0.08, 0.08, 0.08, 0.09, 0.1 , 0.1 , 0.1 , 0.11, 0.12,
        0.12, 0.12, 0.13, 0.14, 0.14, 0.14, 0.15, 0.16, 0.16, 0.16, 0.17,
        0.18, 0.18, 0.18, 0.19, 0.2 , 0.2 , 0.2 , 0.21, 0.22, 0.22, 0.22,
        0.23, 0.24, 0.24, 0.24, 0.25, 0.26, 0.26, 0.26, 0.27, 0.28, 0.28,
        0.28, 0.29, 0.3 , 0.3 , 0.3 , 0.31, 0.32, 0.32, 0.32, 0.33, 0.34,
        0.34, 0.34, 0.35, 0.36, 0.36, 0.36, 0.37, 0.38, 0.38, 0.38, 0.39,
        0.4 , 0.4 , 0.4 , 0.41, 0.42, 0.42, 0.42, 0.43, 0.44, 0.44, 0.44,
        0.45, 0.46, 0.46, 0.46, 0.47, 0.48, 0.48, 0.48, 0.49, 0.5 , 0.5 ,
        0.5 ]

X3= [1.46, 1.47, 1.47, 1.47, 1.47, 1.48, 1.48, 1.49, 1.49, 1.49, 1.5 ,
        1.5 , 1.51, 1.51, 1.52, 1.52, 1.53, 1.54, 1.54, 1.55, 1.55, 1.56,
        1.56, 1.57, 1.57, 1.58, 1.58, 1.59, 1.6 , 1.6 , 1.61, 1.61, 1.62,
        1.62, 1.63, 1.63, 1.64, 1.64, 1.65, 1.65, 1.65, 1.66, 1.66, 1.67,
        1.67, 1.68, 1.68, 1.68, 1.69, 1.69, 1.7 , 1.7 , 1.7 , 1.71, 1.71,
        1.71, 1.72, 1.72, 1.72, 1.72, 1.73, 1.73, 1.73, 1.73, 1.73, 1.74,
        1.74, 1.74, 1.74, 1.74, 1.74, 1.74, 1.74, 1.75, 1.75, 1.75, 1.75,
        1.75, 1.75, 1.75, 1.74, 1.74, 1.74, 1.74, 1.74, 1.74, 1.74, 1.73,
        1.73, 1.73, 1.73, 1.72, 1.72, 1.72, 1.71, 1.71, 1.7 , 1.7 , 1.69,
        1.69]

# 将散点数据整理为数组格式
points = np.column_stack((X1, X2))
values = np.array(X3)

# 定义要插值的新点（调整X2new到原数据范围内，比如0.26）
X1new = 2.5
X2new = 0.26
new_point = np.array([[X1new, X2new]])

# 执行二维线性插值
X3new = interpolate.griddata(points, values, new_point, method='linear')

print(X3new)  # 输出接近1.7的结果

补充说明 #

• 如果确实需要对超出X2定义域的点进行外插，可以在griddata中指定fill_value参数，但外插结果的可靠性取决于数据的趋势，建议谨慎使用。
• 若你的原始数据实际是规则网格但被错误整理为散点，可以先将X1、X2转换为网格矩阵（用np.meshgrid），再将X3重塑为对应的二维数组，之后再使用interp2d。

内容的提问来源于stack exchange，提问作者MacUser