如何用numpy.interp的left和right参数适配向量输入实现线性外推

numpy.interp的left和right参数设计为固定标量常量，作用是当输入点落在插值区间外时，统一返回该固定值。参数仅接受单个数值（与fp数据类型匹配的标量），不支持逐点匹配的数组输入——即便传入的数组长度刚好匹配越界点的数量，numpy.interp内部也不会对越界点逐点匹配取值，因为这个参数从设计上就没有支持数组输入的逻辑。
你之前单x输入时能跑通，是因为代入表达式后计算结果是单个标量，刚好符合参数类型要求；换成向量x后，表达式输出是和x同形状的数组，和参数要求的标量类型不匹配，自然触发TypeError。

不要强行依赖left/right参数做动态计算，按插值区间拆分计算逻辑即可，完全利用numpy的向量运算能力实现批量处理：

• 预先计算插值区间两个端点的线性外推斜率：
  • 右外推斜率（x大于xp[-1]的区间）：k_right = (fp[-1] - fp[-2]) / (xp[-1] - xp[-2])
  • 左外推斜率（x小于xp[0]的区间）：k_left = (fp[1] - fp[0]) / (xp[1] - xp[0])
• 把输入x按位置拆成三类，分别计算对应取值：
  • 落在xp范围内的点：直接调用numpy.interp计算，不需要额外设置left/right参数
  • 落在xp右边界外的点：按线性公式计算 f_right = fp[-1] + k_right * (x_out_right - xp[-1])
  • 落在xp左边界外的点：按线性公式计算 f_left = fp[0] + k_left * (x_out_left - xp[0])
• 按原始x的顺序，把三类计算结果拼接成最终的f值向量即可。

import numpy as np

# 定义插值基准点
xp = np.array([1, 2, 3, 4])
fp = np.array([1, 4, 9, 16])
# 批量输入的待计算x向量
x = np.array([0.2, 1.5, 2.5, 3.5, 5.2])

# 预计算外推斜率
k_right = (fp[-1] - fp[-2]) / (xp[-1] - xp[-2])
k_left = (fp[1] - fp[0]) / (xp[1] - xp[0])

# 拆分不同区间的x
mask_inner = (x >= xp[0]) & (x <= xp[-1])
mask_left = x < xp[0]
mask_right = x > xp[-1]

# 分块计算
f_inner = np.interp(x[mask_inner], xp, fp)
f_left = fp[0] + k_left * (x[mask_left] - xp[0])
f_right = fp[-1] + k_right * (x[mask_right] - xp[-1])

# 按原顺序拼接结果
f = np.zeros_like(x, dtype=np.float64)
f[mask_inner] = f_inner
f[mask_left] = f_left
f[mask_right] = f_right

内容的提问来源于stack exchange，提问作者mfgeng