使用scipy.interpolate遇阻：如何让x1,y1匹配x2,y2的数据集尺寸

我明白你想把长度为8的(x1,y1)数据集扩展成11个点，来匹配(x2,y2)的尺寸，之前尝试SciPy插值没得到预期结果，大概率是忽略了一个关键细节——插值函数要求输入的x轴数据是单调有序的，你的x1最后几个值是20、15、14，是递减的，这会导致插值逻辑出错。下面给你两种靠谱的解决方法，附上完整代码：

方法1：基于x2的x值进行插值（推荐） #

这种方法直接用x2的11个x值作为目标点，插值生成对应的y值，完美匹配x2、y2的尺寸。步骤如下：

1. 先对x1和y1按x值升序排序，满足插值函数的单调要求
2. 选择插值方法（线性、三次样条等）创建插值函数
3. 用x2的x值代入插值函数，得到11个点的y1_new

import numpy as np
from scipy.interpolate import interp1d

# 原始数据
x1 = [0,2,5,10,12,20,15,14]
y1 = [0,0.3,0.6,1.1,1.3,2.1,1.6,1.5]
x2 = [0,2,4,5,10,12,13,20,18,15,14]
y2 = [0.3,0.4,0.5,0.7,1.1,1.3,1.4,2.2,1.6,1.9,1.8]

# 对x1和y1按x值升序排序
sorted_indices = np.argsort(x1)
x1_sorted = np.array(x1)[sorted_indices]
y1_sorted = np.array(y1)[sorted_indices]

# 创建线性插值函数（kind可选'linear'/'cubic'/'quadratic'等）
interp_func = interp1d(x1_sorted, y1_sorted, kind='linear', fill_value="extrapolate")

# 用x2的所有x值插值，得到长度为11的y1_new
y1_new = interp_func(x2)

# 验证结果
print("新的y1数据集（长度11）：", y1_new)
print("长度匹配：", len(y1_new) == len(y2))  # 输出True

方法2：使用Numpy内置的interp函数（更简洁） #

如果只需要线性插值，Numpy的np.interp函数更轻便，同样需要先排序x1：

import numpy as np

# 原始数据同上，先排序x1和y1
sorted_indices = np.argsort(x1)
x1_sorted = np.array(x1)[sorted_indices]
y1_sorted = np.array(y1)[sorted_indices]

# 直接用np.interp插值
y1_new = np.interp(x2, x1_sorted, y1_sorted)

print("新的y1数据集：", y1_new)
print("长度：", len(y1_new))  # 输出11

额外说明 #

如果你不想用x2的x值，而是想把x1的区间均匀分成11个点，可以替换成：

# 生成x1区间内的11个均匀点
x1_new = np.linspace(x1_sorted[0], x1_sorted[-1], 11)
y1_new = interp_func(x1_new)  # 或者用np.interp(x1_new, x1_sorted, y1_sorted)

内容的提问来源于stack exchange，提问作者SGhaleb