Python使用Numpy进行数组插值时简化重复编码的方案咨询

你当前的代码实现的是单区间线性插值，完全可以通过numpy广播特性或者内置插值函数实现自动批量计算，无需逐段手动编写插值逻辑、指定索引参数。

方案1：numpy广播向量化实现（效率最高，无额外依赖） #

把分散的输入数据规整为统一数组结构，利用numpy自动广播匹配维度，一行完成所有插值计算：

import numpy as np

# 合并所有待插值数据，维度对应 [组别, 样本数, 1]，和原data1/data2/data3结构对齐
data = np.array([
    [(5,), (4,), (6,)],
    [(2,), (8,), (9,)],
    [(3,), (1,), (7,)]
])
# 规整插值区间参数
x_left = np.array([4, 2, 1])
x_right = np.array([6, 9, 7])
y_left = 1
y_right = 3

# 自动广播维度计算所有结果，无需手动指定索引
result = ((data - x_left.reshape(-1, 1)) / (x_right - x_left).reshape(-1, 1)) * (y_right - y_left) + y_left

# 输出和原代码完全一致的结果
for group_res in result:
    print(group_res)

方案2：用numpy内置np.interp函数（扩展性更强） #

如果后续需要扩展为多区间插值、边界值特殊处理，可以直接调用numpy内置的线性插值函数：

import numpy as np

data_list = [
    [(5,), (4,), (6,)],
    [(2,), (8,), (9,)],
    [(3,), (1,), (7,)]
]
# 每个组别对应的x插值区间
x_intervals = [(4, 6), (2, 9), (1, 7)]
# 插值目标y区间
y_range = (1, 3)

for data, (x_l, x_r) in zip(data_list, x_intervals):
    data_arr = np.array(data)
    # np.interp参数：待插值点、x坐标序列、y坐标序列
    cur_res = np.interp(data_arr, [x_l, x_r], y_range)
    print(cur_res)

内容的提问来源于stack exchange，提问作者manacoder