解决插值零点过冲问题：仅在非零区间实现垂直平滑曲线绘制

我明白你遇到的问题了——用全局样条插值的时候，那些x=0的平坦段和中间的非零数据段衔接处很容易出现过冲甚至负值，这是因为样条会强制拟合整个区间的所有点，包括两端的零值区域，导致在零点附近产生不必要的振荡。我们可以通过仅在非零数据的有效区间内做平滑插值，其余区域直接保留x=0的方式，既保证曲线平滑，又避免零点处的异常波动。

具体步骤与代码实现 #

• 第一步：筛选出非零（或高于阈值）的有效数据点
  先从原始数据中提取出x不为0的e和x值，缩小插值的范围，避免被大量零值干扰：

  import numpy as np
  from scipy.interpolate import splrep, splev
  import matplotlib.pyplot as plt
  
  # 原始数据
  e = np.array([-0.65067307, -0.61057307, -0.57057307, -0.53057307, -0.49047307, -0.45047307, -0.41037307, -0.37037307, -0.33037307, -0.29027307, -0.25027307, -0.21017307, -0.17017307, -0.13017307, -0.09007307, -0.05007307, -0.00997307, 0.03002693, 0.07002693, 0.11012693, 0.15012693, 0.19022693, 0.23022693, 0.27022693, 0.31032693])
  x = np.array([0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 1.1015, 3.0956, 2.2363, 2.4597, 1.8997, 1.5912, 1.6496, 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. ])
  
  # 筛选有效数据（也可以改成x>阈值，比如x>1e-3，过滤微小噪声）
  mask = x != 0
  e_valid = e[mask]
  x_valid = x[mask]
  

• 第二步：分区域处理全局y序列的插值结果
  我们先确定有效区间的边界，然后对y的不同部分分别赋值——零值区域直接设为0，有效区间内用样条插值：

  # 生成全局y序列
  y = np.arange(e[0], e[-1], 0.001)
  
  # 确定有效区间的上下限
  e_min = e_valid.min()
  e_max = e_valid.max()
  
  # 初始化插值结果数组，默认全为0
  xDat = np.zeros_like(y)
  
  # 找到y中落在有效区间内的子序列
  valid_y_mask = (y >= e_min) & (y <= e_max)
  y_valid_sub = y[valid_y_mask]
  
  # 仅对有效区间内的y做样条插值（三次样条平滑性最优）
  if len(e_valid) >= 3:  # splrep至少需要3个点才能生成三次样条
      spl = splrep(e_valid, x_valid, k=3)
      xDat[valid_y_mask] = splev(y_valid_sub, spl)
  else:
      # 如果有效点太少， fallback到线性插值
      from scipy.interpolate import interp1d
      f = interp1d(e_valid, x_valid, kind='linear', fill_value="extrapolate")
      xDat[valid_y_mask] = f(y_valid_sub)
  

• 第三步：绘图验证效果
  现在绘图就能看到曲线在零点处陡降，中间非零区域平滑，完全没有过冲：

  plt.plot(x, e, 'k.', label='Original Data')
  plt.plot(xDat, y, 'r-', lw=0.5, label='Smoothed Curve')
  plt.xlabel('x')
  plt.ylabel('e')
  plt.legend()
  plt.grid(True, alpha=0.3)
  plt.show()
  

额外优化建议 #

• 如果你希望有效区间和零值区间的衔接更自然，可以在有效数据的两端各添加一个过渡点，比如在e_min左侧、e_max右侧各加一个x=0的点，让样条插值的边界条件更合理：

  # 添加过渡点，优化衔接平滑度
  e_valid = np.concatenate([[e_min - 0.01], e_valid, [e_max + 0.01]])
  x_valid = np.concatenate([[0], x_valid, [0]])
  

• 如果原始数据中有微小噪声（比如接近0的x值），可以把筛选条件改成mask = x > 1e-3，避免噪声点影响插值效果。

内容的提问来源于stack exchange，提问作者Edan Bainglass