求Python实现Klipfolio约束曲线拟合算法：拟合曲线不超原始值

我懂你的困扰——普通三次插值拟合出来的曲线会出现超调，超过原始数据点的数值，这完全不符合你需要的Klipfolio风格约束。咱们直接来解决这个问题：

问题根源 #

你当前用的interp1d(..., kind='cubic')是自然三次样条插值，它的核心目标是让曲线尽可能平滑，但不会考虑约束曲线不超过原始数据的极值。比如你的示例数据y = [5, 0, 4, 4]，在从0到4的上升段，三次插值会为了平滑过渡而产生冲高，导致右侧部分超过原始的4这个值。

解决方案：使用单调保形插值（PCHIP） #

Scipy提供了PchipInterpolator（也可以通过interp1d的kind='pchip'直接调用），它是分段三次Hermite插值多项式，核心特点是严格保证单调性，也就是说拟合出来的曲线不会出现超过原始数据点的超调，完美匹配你的需求。

修改后的代码 #

from scipy import interpolate
import numpy as np
import matplotlib.pyplot as plt

# 原始数据
y = [5, 0, 4, 4]
x = np.linspace(0, len(y)-1, num=len(y), endpoint=True)

# 用PCHIP插值替代三次插值，避免超调
f_pchip = interpolate.interp1d(x, y, kind='pchip')

# 生成高密度x点用于绘制平滑曲线
xnew = np.linspace(0, len(y)-1, num=100, endpoint=True)

# 绘图对比展示
plt.plot(xnew, f_pchip(xnew), '--', label='PCHIP拟合曲线');
plt.scatter(x=[i for i in range(len(x))], y=y, color='red', label='原始数据点');
plt.legend()
plt.show()

效果验证 #

运行这段代码后，你会看到拟合曲线完全贴合原始数据的趋势，右侧的曲线会平稳维持在4的水平，再也不会出现冲高超过原始数据点的情况。

额外说明 #

如果你的需求是曲线所有点都不超过原始数据中的最大值（比如这里的5），PCHIP也能满足，因为它从根本上避免了超调。如果后续有更复杂的约束（比如同时不低于最小值），这种插值方法同样适用，它会严格遵循原始数据的增减趋势。

内容的提问来源于stack exchange，提问作者Jacek Placek