SciPy中已弃用的interp1d线性插值函数的替代方案咨询

嘿，我刚好踩过这个坑！现在SciPy里interp1d确实已经被标记为弃用了，如果你需要实现和它一样的线性插值+返回可调用插值函数的效果，有两个非常顺手的替代方案：

方案一：使用LinearNDInterpolator #

这个插值器原生支持1D到ND的线性插值，用法和你原来的interp1d几乎无缝衔接，初始化后直接就能像函数一样调用计算插值结果。

修改后的代码示例：

import numpy as np
from scipy.interpolate import Akima1DInterpolator, LinearNDInterpolator
import matplotlib.pyplot as plt


t = np.linspace(0.0, 1.0, 4)
y = np.array([1.0, 0.8, 0.7, 1.2])

# 替代原来的interp1d(kind="linear")
ak = LinearNDInterpolator(list(zip(t)), y)

tt = np.linspace(0.0, 1.0, 200)
# LinearNDInterpolator需要输入为2D数组，所以这里给tt加个维度
yy = ak(tt.reshape(-1, 1))

plt.plot(tt, yy)
plt.plot(t, y, "x")
plt.gca().set_aspect("equal")
plt.show()

方案二：使用make_interp_spline并指定k=1 #

如果你更习惯贴近interp1d的调用逻辑，make_interp_spline设置k=1就等价于线性插值，它同样会返回一个可调用的插值函数，用法和你原来的代码几乎完全一致。

修改后的代码示例：

import numpy as np
from scipy.interpolate import Akima1DInterpolator, make_interp_spline
import matplotlib.pyplot as plt


t = np.linspace(0.0, 1.0, 4)
y = np.array([1.0, 0.8, 0.7, 1.2])

# k=1指定线性插值，完美替代interp1d的linear模式
ak = make_interp_spline(t, y, k=1)

tt = np.linspace(0.0, 1.0, 200)
yy = ak(tt)

plt.plot(tt, yy)
plt.plot(t, y, "x")
plt.gca().set_aspect("equal")
plt.show()

运行上述任意一段代码后，你都会得到和原来一样的插值效果：一条连接原始数据点的线性分段曲线，原始的4个数据点用"x"标记在图上，坐标轴保持等比例显示。

备注：内容来源于stack exchange，提问作者Nico Schlömer