如何从Numpy数组插值查询多值（实现Matlab interp1的previous模式）

你之前调用interp1d报错的核心原因是fill_value参数格式不匹配：当传入多列y值时，若用(0, 0)格式的二元组指定上下限填充值，需要每个元素的维度和y的非插值轴维度匹配，直接传标量0即可让所有列的上下限填充值都为0，不会触发维度错误。

方案1：直接用interp1d实现多列插值 #

无需逐列定义插值器，一行即可完成多列适配，适配任意列数的输入数组：

import numpy as np
from scipy.interpolate import interp1d

# Time, q_in, x_in, y_in
inputArray  = np.array(([3600, 60, 50, 40], [3700, 0, 50, 40], [7260, 200, 20, 10]))
t_current   = 3650

# 直接传入多列y值，fill_value传标量0即可
itp = interp1d(inputArray[:,0], inputArray[:,1:], kind='previous', 
               bounds_error=False, fill_value=0)
inputVector = itp(t_current)

运行输出为array([60., 50., 40.])，和预期一致。

方案2：用numpy原生方法实现，性能更高 #

如果不想依赖scipy的插值器，可以用searchsorted直接定位前值索引，效率更高，尤其适合大数组、多列的场景：

import numpy as np

inputArray  = np.array(([3600, 60, 50, 40], [3700, 0, 50, 40], [7260, 200, 20, 10]))
t_current   = 3650

# 定位第一个大于当前时间的索引，减1即为最近前值的索引
idx = np.searchsorted(inputArray[:,0], t_current, side='right') - 1
# 索引合法则取对应行，否则返回全0
inputVector = inputArray[idx, 1:] if idx >= 0 else np.zeros(inputArray.shape[1]-1)

方案3：用pandas实现，适合批量查询场景 #

如果需要同时查询多个时间点的前值，用pandas的merge_asof逻辑更清晰：

import pandas as pd
import numpy as np

inputArray  = np.array(([3600, 60, 50, 40], [3700, 0, 50, 40], [7260, 200, 20, 10]))
t_list = [3650, 3750, 3000] # 支持同时查询多个时间点

input_df = pd.DataFrame(inputArray, columns=['time'] + [f'col_{i}' for i in range(inputArray.shape[1]-1)])
query_df = pd.DataFrame({'time': t_list})
res = pd.merge_asof(query_df, input_df, on='time', direction='backward').fillna(0).iloc[:,1:].values

以上三种方案都不需要逐列编写逻辑，不管输入数组是3列还是50列都可以直接复用。

内容的提问来源于stack exchange，提问作者winkmal