使用Python的numpy、scipy做插值运算得到的结果不正确如何解决？

问题复现 #

你对两组数据集执行相同插值逻辑，结果一组符合预期、一组存在误差：

第一组运行代码：

print(np.interp(4, x, y))
f_interp1 = interp1d(x, y)
print(f_interp1(4))

输出结果为116.6796391，符合预期。

第二组运行相同代码，输出结果为15.932553369231139，预期正确结果为15.13196509，存在明显偏差。

核心原因 #

• 90%以上的同类问题都是输入的x数组没有严格单调递增排序：numpy.interp和scipy.interp1d默认要求输入的x序列提前完成排序，不会自动对x做排序处理，如果第二组数据的x是乱序的，插值计算时会直接按原顺序匹配邻近点，得到错误结果。
• 小概率原因包括：x和y的对应关系错位、数据存在缺失值/重复值、插值方法和预期不一致。

解决步骤 #

1. 先验证x的单调性
   运行代码print(np.all(np.diff(x) > 0))，如果输出为False，说明x不是严格单调递增，需要先对x和对应的y同步排序：

import numpy as np
from scipy.interpolate import interp1d

# 按x的大小对x、y同步排序
sort_index = np.argsort(x)
x_sorted = x[sort_index]
y_sorted = y[sort_index]

2. 用排序后的数据重新做插值

# numpy插值
print(np.interp(4, x_sorted, y_sorted))
# scipy interp1d插值
f_interp1 = interp1d(x_sorted, y_sorted)
print(f_interp1(4))

3. 如果排序后结果仍不符合预期，做进一步排查：

• 打印x、y的前若干项，确认读取时没有错位，没有NaN等缺失值
• 如果你预期的不是线性插值，可以指定interp1d的kind参数，比如kind='quadratic'（二次插值）、kind='cubic'（三次插值）

内容的提问来源于stack exchange，提问作者Sibghat