关于scipy中RegularGridInterpolator插值方法与系数存储的疑问

• 核心结论：RegularGridInterpolator不会预计算并存储插值所需的样条系数，这正是它允许在调用时切换插值方法的原因。
• 实例化与调用逻辑：
  • 实例化该类时，仅会存储输入的各维度网格点、对应的函数值，以及默认插值方法，不会提前计算任何插值方法的系数。
  • 调用插值器时，它会根据当前指定的方法，仅针对目标点所在的局部网格单元实时计算插值结果：
    • 用"linear""nearest"这类简单方法时，直接对目标点周边的网格点做加权组合；
    • 用"cubic""pchip""quintic"这类高阶方法时，会临时提取目标点附近的局部网格数据，计算局部样条系数并完成插值，计算完成后不会保留这些临时系数。
• 与一维CubicSpline的差异：
  • 一维CubicSpline针对全局数据预计算整个区间的样条系数，因为一维场景下预计算成本低，重复调用时复用系数能显著提升效率。
  • 但RegularGridInterpolator面向多维规则网格场景，若预计算全局高维样条系数，内存占用会呈爆炸式增长（比如三维网格下系数规模是网格点数量的数倍），反而会拖慢整体性能，因此采用了局部实时计算的方案。
• 效率说明：
  • 虽然每次调用都要实时计算，但由于仅处理目标点所在的局部网格单元，而非全局遍历计算，实际效率并不会极低。对于常规的插值需求，这种方案的性能是完全可接受的。

内容的提问来源于stack exchange，提问作者Quercus Robur