numpy.interp周期插值代码解析及可视化结果疑问

问题背景 #

用户参考Numpy官方文档的周期插值示例：

Interpolation with periodic x-coordinates:
x = [-180, -170, -185, 185, -10, -5, 0, 365]
xp = [190, -190, 350, -350]
fp = [5, 10, 3, 4]
np.interp(x, xp, fp, period=360)
array([7.5 , 5. , 8.75, 6.25, 3. ,3.25, 3.5 , 3.75])

自行编写复现代码后，用plt.plot(xp, fp)绘制原始节点连线，却发现插值得到的橙色点不在这条线上，对此产生疑惑。用户复现代码如下：

import matplotlib.pyplot as plt
import numpy as np

x = [-180, -170, -185, 185, -10, -5, 0, 365]
xp = [190, -190, 350, -350]
fp = [5, 10, 3, 4]

y=np.interp(x, xp, fp, period=360)
print(x)
print(y)

plt.grid()
plt.plot(xp, fp)
plt.plot(x,y,'o')
plt.show()

核心原因 #

Numpy的周期插值不是直接使用原始xp的顺序进行连线插值，而是先完成两个关键步骤：

1. 将所有x坐标（包括xp和待插值的x）映射到周期等价区间内（默认是[-period/2, period/2)，即[-180, 180)）
2. 对映射后的xp按从小到大排序，再基于排序后的节点进行线性插值，同时因为周期性，排序后的首尾节点是相连的

具体拆解验证 #

以周期360为例，先处理原始xp的等价坐标：

将等价后的xp按从小到大排序，得到插值用的节点序列：
xp_sorted = [-170, -10, 10, 170]，对应fp_sorted = [5, 3, 4, 10]

再处理待插值x的等价坐标：

剩余x的插值逻辑类似，结果完全匹配官方输出。

修正后的可视化代码 #

要看到插值点落在曲线上，需要基于周期等价且排序后的节点绘制插值曲线：

import matplotlib.pyplot as plt
import numpy as np

x = [-180, -170, -185, 185, -10, -5, 0, 365]
xp = [190, -190, 350, -350]
fp = [5, 10, 3, 4]
period = 360

# 转换xp到周期等价区间并排序
xp_periodic = np.mod(xp + period/2, period) - period/2
sorted_idx = np.argsort(xp_periodic)
xp_sorted = xp_periodic[sorted_idx]
fp_sorted = np.array(fp)[sorted_idx]

# 计算插值结果
y = np.interp(x, xp, fp, period=period)

# 生成密集x值绘制完整插值曲线
x_dense = np.linspace(-180, 180, 1000)
y_dense = np.interp(x_dense, xp, fp, period=period)

plt.grid(True)
plt.scatter(xp_sorted, fp_sorted, color='blue', label='周期等价节点（排序后）')
plt.plot(x_dense, y_dense, color='blue', linestyle='--', label='周期插值曲线')
plt.scatter(x, y, marker='o', color='orange', label='插值结果点')

plt.legend()
plt.xlabel('x（周期等价坐标）')
plt.ylabel('y')
plt.title('Numpy周期插值可视化')
plt.show()

运行这段代码后，所有橙色插值点都会落在蓝色的周期插值曲线上，完全符合Numpy内部的插值逻辑。

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