如何程序化填充潮汐数据列表中的缺失阶梯值？

我有一个记录24小时内3-5次高低潮事件的列表，事件按时间戳对应到列表的索引位置：

tides = [None, None, None, (0.07, 'low'), None, None, None, None, None, None, (2.14, 'high'), None, None, None, None, None, (0.32, 'low'), None, None, None, None, None, (1.34, 'high'), None]

例如：(0.07, 'low')位于索引3，因为它发生在凌晨3点左右。

我希望用已知值之间的阶梯值替换None值。

我知道手动实现的方法：

difference = tides[10][0] - tides[3][0] # 2.07
steps = 10 - 3 # 7
increment = difference / steps # 0.2957142857

# 为每个列表项赋值
tides[4] = (tides[3][0] + (increment * 1), '')
tides[5] = (tides[3][0] + (increment * 2), '')
tides[6] = (tides[3][0] + (increment * 3), '')
# 以此类推...

……但该如何程序化实现这一过程？

实现方案需满足以下要求：

• 考虑潮汐的升降方向，生成正负阶梯值
• 处理每日潮汐事件数量和时间的变化（即已知列表项的数量和索引可变）
• 通过“反射”相邻已知阶梯值填充首尾未知值，以完成曲线

尝试失败的方案 #

我的尝试围绕遍历上述列表并定义阶梯值展开：

for i in range(24):
   if tides[i] != None:
      # 已知值
   else:
      # 缺失值
      # 获取已知相邻值并计算阶梯

我卡在最后一步：在循环中如何定位当前索引的最近已知相邻值并计算阶梯。

我还尝试创建一个包含索引的单独“已知值”列表用于对比：

tidesKnown = [(3, 0.07, 'low'), (10, 2.14, 'high'), (16, 0.32, 'low'), (22, 1.34, 'high')]

解决方案 #

以下是满足所有要求的实现代码：

def fill_tides(tides):
    # 提取已知潮汐点：(索引, 高度, 类型)
    known = []
    for idx, val in enumerate(tides):
        if val is not None:
            known.append((idx, val[0], val[1]))
    if not known:
        return tides  # 无已知值时直接返回原列表
    
    # 填充中间的缺失值
    for i in range(len(known)-1):
        start_idx, start_height, _ = known[i]
        end_idx, end_height, _ = known[i+1]
        steps = end_idx - start_idx
        if steps <= 1:
            continue  # 相邻无缺失值，跳过
        increment = (end_height - start_height) / steps
        # 填充中间每个位置
        for j in range(start_idx + 1, end_idx):
            current_height = start_height + increment * (j - start_idx)
            tides[j] = (round(current_height, 6), '')  # 保留6位小数避免精度问题
    
    # 填充头部缺失值（反射第一个已知段的步长）
    first_idx, first_height, _ = known[0]
    if first_idx > 0:
        # 取第一个已知段的增量作为反向增量
        next_idx, next_height, _ = known[1]
        increment = (next_height - first_height) / (next_idx - first_idx)
        # 反向填充头部
        for j in range(first_idx - 1, -1, -1):
            current_height = first_height + increment * (j - first_idx)
            tides[j] = (round(current_height, 6), '')
    
    # 填充尾部缺失值（反射最后一个已知段的步长）
    last_idx, last_height, _ = known[-1]
    if last_idx < len(tides)-1:
        # 取最后一个已知段的增量作为反向增量
        prev_idx, prev_height, _ = known[-2]
        increment = (last_height - prev_height) / (last_idx - prev_idx)
        # 正向填充尾部
        for j in range(last_idx + 1, len(tides)):
            current_height = last_height + increment * (j - last_idx)
            tides[j] = (round(current_height, 6), '')
    
    return tides

# 测试示例
tides = [None, None, None, (0.07, 'low'), None, None, None, None, None, None, (2.14, 'high'), None, None, None, None, None, (0.32, 'low'), None, None, None, None, None, (1.34, 'high'), None]
filled_tides = fill_tides(tides)
for idx, val in enumerate(filled_tides):
    print(f"{idx}: {val}")

代码说明 #

• 提取已知点：遍历原列表，收集所有非None的潮汐点，包含其索引、高度和类型
• 填充中间值：遍历每对相邻已知点，计算两点间的步长增量，逐个填充中间的缺失位置，自动处理升降方向（增量为正表示涨潮，负表示退潮）
• 填充首尾值：头部使用第一个已知段的增量反向计算，尾部使用最后一个已知段的增量正向计算，实现“反射”效果，保证曲线延续性
• 适配可变场景：不管已知点的数量和索引如何变化，代码都能自动处理，无需手动调整

内容的提问来源于stack exchange，提问作者Danny