numpy数组NaN值外推：如何设置np.interp参数实现等增量填充

np.interp 本身不支持线性外推，它的left和right参数都是固定标量值：未手动设置时，所有小于已知点最小索引的位置会统一返回第一个已知点的值，所有大于已知点最大索引的位置统一返回最后一个已知点的值，这就是你代码里开头两个NaN都被填充为0.75的原因。哪怕手动给left/right传固定值，也只能给所有边界外的位置填同一个常数，没法实现随索引线性变化的外推效果。

你的场景是两个已知点确定全局固定斜率的线性关系，只需要沿着直线斜率，在已知点序列的首尾外侧各加一个「虚拟插值点」，让数组所有索引都落在扩展后的已知点区间内，再调用np.interp做区间内线性插值，就能等效实现线性外推的效果，代码如下：

import numpy as np
y = np.array([np.nan, np.nan, 0.75, np.nan, np.nan, np.nan, np.nan, np.nan, 2.25])
nans, x = np.isnan(y), lambda z: z.nonzero()[0]
x_known, y_known = x(~nans), y[~nans]

# 计算两个已知点确定的直线斜率
slope = (y_known[-1] - y_known[0]) / (x_known[-1] - x_known[0])
# 扩展已知点：左侧加一个x=-1的虚拟点（比数组最小索引0更小），y值按斜率外推计算
# 右侧加一个x=len(y)的虚拟点（比数组最大索引len(y)-1更大），y值按斜率外推计算
x_ext = np.concatenate([[-1], x_known, [len(y)]])
y_ext = np.concatenate([
    [y_known[0] - slope * (x_known[0] - (-1))],
    y_known,
    [y_known[-1] + slope * (len(y) - x_known[-1])]
])

# 此时所有数组索引都落在x_ext的区间内，直接插值即可得到线性外推结果
y[nans] = np.interp(x(nans), x_ext, y_ext)
print(y)

运行后输出结果完全符合预期：
[0.25 0.5 0.75 1. 1.25 1.5 1.75 2. 2.25]

补充说明：如果你的数组有超过2个非NaN值，需要做分段线性外推，只需要把虚拟点的计算逻辑改成：左侧虚拟点沿最左侧两个已知点的斜率计算，右侧虚拟点沿最右侧两个已知点的斜率计算即可，无需依赖额外第三方库。

内容的提问来源于stack exchange，提问作者HJA24