scipy B样条基区间定义及域外趋零功能实现咨询

基区间的定义 #

B样条由节点向量和样条次数共同定义：如果你用的是k次B样条（阶数=次数+1），对应节点向量数组为t，长度为m，那么官方文档提到的基区间，就是去掉节点向量首尾各k个边界节点后覆盖的闭区间，范围是 [t[k], t[m - k - 1]]。
在这个区间内部，scipy的BSpline实现和朴素递归实现的计算结果完全一致，两者的差异只出现在基区间外的求值场景。
朴素实现的核心逻辑是：每个B样条基函数只在k+1个相邻的节点区间内有非零值，一旦输入x的位置偏到所有基函数的支撑范围外，不管是往负方向还是正方向，所有基函数的取值都是0，最终加权得到的B样条结果也严格为0，没有额外的外推计算步骤。

scipy实现区间外归零的配置方法 #

scipy自带的BSpline默认不支持这个特性：默认参数extrapolate=True时，基区间外的点会用边界位置的多项式做外插计算，结果不会自动归零，和朴素实现的表现不一致。
你不需要自己重新实现整套B样条逻辑，用两种简单改造就能拿到你要的效果：

• 手动边界判断：拿到BSpline实例后，直接读取它的t（节点数组）和k（次数）属性，按前面说的规则算出非零取值的区间范围，对所有输入x，落在区间外的直接返回0，区间内的点正常调用实例计算即可，区间内结果和朴素实现完全对齐。
• 自定义外插逻辑：初始化BSpline实例的时候，传入自定义的外插函数，固定让基区间外的求值结果返回0，后续调用时不需要额外写判断逻辑。

补充说明：朴素实现里x往正负方向走时取值为0不是极限趋近的效果，只要x跨出所有基函数的支撑边界，取值会直接跳变为严格0，不存在渐变趋近的过程。

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