如何在0.1-40区间以0.001步长对温度与比重数据进行样条插值？

1. 生成目标插值温度序列 #

直接用np.arange指定起始、终止（包含40需设为40.001）和步长，比linspace更直观：

new_temp = np.arange(0.1, 40.001, 0.001)

如果偏好linspace，需计算精确点数：(40 - 0.1)/0.001 + 1 = 39901，代码如下：

new_temp = np.linspace(0.1, 40, 39901)

2. 构建样条插值函数并计算结果 #

无需将DataFrame列转成list，直接传入即可生成插值函数，再计算对应比重值：

from scipy.interpolate import CubicSpline

# 构建三次样条插值函数
cs = CubicSpline(sg_temp['temp'], sg_temp['sg'])
# 计算插值后的比重数据
new_sg = cs(new_temp)

3. 整合插值数据与原始数据 #

把插值结果转成DataFrame，和原始数据合并后去重、排序：

# 插值数据转为DataFrame
interpolated_df = pd.DataFrame({'temp': new_temp, 'sg': new_sg})
# 合并原始数据与插值数据
combined_df = pd.concat([sg_temp, interpolated_df], ignore_index=True)
# 去重（避免原始点重复）并按温度排序
combined_df = combined_df.drop_duplicates(subset='temp').sort_values('temp').reset_index(drop=True)

你的代码问题点 #

• 起始温度错误：需求是从0.1开始，你写了0，不符合插值范围要求
• 步长逻辑错误：np.linspace第三个参数是总点数，不是步长，40*1000得到的步长并非精确0.001
• 缺少结果计算：仅定义了插值函数，未调用它生成新的比重值，也未完成数据整合

内容的提问来源于stack exchange，提问作者EthanMcQ