如何让单数据点插值函数支持数组输入（类似interp1d）？

问题背景 #

用scipy的interp1d做多数据点插值时，设置bounds_error=False能对超出范围的点返回NaN，但当只有单个数据点时interp1d会直接报错。自定义的lambda函数能处理单个值，但传入数组时会触发ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()，需要修改函数让它支持数组输入，实现和interp1d一致的用法。

原错误代码 #

import numpy as np
x0 = [1.87]
y0 = [0.93]
f0 = lambda x: y0[0] if np.isclose(x, x0[0]) else np.NaN

# 单个值调用正常
print(f0(x0[0]))
# 数组调用报错
x_find = [1.87, 2.5, 3.0]
print(f0(x_find))

解决方案1：用numpy向量化操作改写 #

利用np.where实现数组级的条件判断，直接替换原来的lambda逻辑：

import numpy as np
x0 = np.array([1.87])
y0 = np.array([0.93])
f0 = lambda x: np.where(np.isclose(x, x0[0]), y0[0], np.nan)

# 测试数组输入
x_find = np.array([1.87, 2.5, 3.0, 1.87])
print(f0(x_find))
# 输出：[0.93 nan nan 0.93]

原理：np.isclose对数组每个元素做接近性判断，返回同长度的布尔数组；np.where根据布尔值批量替换对应位置的结果，完美支持数组输入。

解决方案2：封装函数兼容单/多数据点 #

如果需要和interp1d统一接口，可以写个封装函数，自动处理单数据点和多数据点的情况：

from scipy.interpolate import interp1d
import numpy as np

def safe_interp(x, y, bounds_error=False):
    if len(x) == 1:
        return lambda x_eval: np.where(np.isclose(x_eval, x[0]), y[0], np.nan)
    else:
        return interp1d(x, y, bounds_error=bounds_error)

# 测试单数据点
x0 = [1.87]
y0 = [0.93]
f0 = safe_interp(x0, y0)
print(f0([1.87, 2.5, 3.0]))
# 输出：[0.93 nan nan]

# 测试多数据点（和原interp1d效果一致）
x = [0, 3, 6, 10, 15, 20]
y = [1.87, 1.76, 1.27, 1.185, 0.995, 0.855]
f = safe_interp(x, y, bounds_error=False)
print(f([0, 5, 8, 10, 28]))
# 输出：[1.87        1.43666667 1.2275      1.185             nan]

这个函数会自动判断输入数据点数量，单数据点时返回自定义向量化函数，多数据点时直接调用interp1d，调用方式完全统一，不用额外切换逻辑。

内容的提问来源于stack exchange，提问作者Natasha