已预计算节点与系数的双变量B样条多点求值：合法实现与更优方案

当前实现是否合法？ #

直接实例化BivariateSpline并手动设置degrees和tck属性不符合Scipy的官方规范。虽然当前版本下代码能运行，但BivariateSpline是抽象基类，文档明确说明它仅作为子类的基类使用，而非直接实例化。这种实现依赖于Scipy未公开的内部属性细节，后续版本若修改这些属性的命名或存储逻辑，代码会直接失效，没有API稳定性保障。

更Pythonic的实现方案 #

既然需要复用预计算的节点和系数，同时遵循Scipy的设计规范，最稳妥的方式是自定义BivariateSpline的子类，在子类中传入预计算参数，而非直接操作基类实例。以下是实现示例：

from scipy.interpolate import BivariateSpline

class PrecomputedBivariateSpline(BivariateSpline):
    def __init__(self, xknots, yknots, coefs, degree):
        # 初始化样条的核心参数
        self.degrees = (degree, degree)
        # 按照BivariateSpline的要求组织tck元组：(y方向节点, x方向节点, 扁平化的系数)
        self.tck = (yknots, xknots, coefs.ravel(order="C"))

# 使用示例（沿用原代码的变量命名）
x = x.ravel(order="C")
y = y.ravel(order="C")

# 创建预计算样条实例
spline = PrecomputedBivariateSpline(xknots, yknots, coefs, degree)
# 在点云处求值，grid=False表示输入是点云而非笛卡尔网格
result = spline(y, x, grid=False)

方案优势 #

• 符合规范：严格遵循Scipy对BivariateSpline的设计要求，通过子类化使用而非直接实例化基类。
• 稳定性高：依赖的是BivariateSpline公开的接口约定，而非内部私有属性，后续Scipy版本迭代时兼容性更强。
• 性能不变：子类的__call__方法会自动调用底层的bispeu Fortran例程，保留原实现的高效性。
• 可读性强：自定义子类明确表达了“预计算样条”的语义，代码意图更清晰。

内容的提问来源于stack exchange，提问作者Daniel Reese