2.3 插值与样条

2.3 插值与样条

本节摘要：插值是根据已知离散点构造连续函数的技术。scipy.interpolate 的 interp1d 提供阶梯、线性、二次、三次等插值方式，要求曲线精确穿过每个数据点，适合无噪声数据；UnivariateSpline 用平滑参数 s 控制弯曲程度，在噪声数据上做"拟合式"的光滑样条；griddata 处理散点数据的网格插值。本节的核心提醒：精确穿过每个点的插值遇上有噪声的数据会放大噪声，而外推几乎总是危险的。

上手前先明确

阅读完本节，你应当能够：

1. 说出 interp1d 各插值方式的差别，并为一组数据选出合适的方式；
2. 解释为什么有噪声的数据不能用精确插值，而是用平滑样条；
3. 用 UnivariateSpline 调节平滑参数 s，理解过拟合与欠拟合的平衡；
4. 用 griddata 对散点数据做网格插值，并说明各方法的代价；
5. 识别外推的适用边界，避免在数据范围外盲信插值结果。

一、问题与直觉

仪器记录温度时偶尔丢包，观测网络总有站点缺测，画图软件要求连续曲线而数据只有几十个点。这些场景的共同点：数据是离散的，但我们需要连续的。插值就是"在已知点之间怎么猜"的学问。

关键在于，插值和上一节的拟合是两种不同的哲学。拟合承认数据有噪声，去找一条"离所有点最近"的曲线，不要求穿过任何一个点；插值假设数据可信，要求构造的曲线精确穿过每个已知点。判断该用哪种，就看一个问题的答案：这些点是精确测量，还是带噪声的读数？选错哲学，结果会从根上坏掉——把噪声数据硬插值，曲线会在每个噪声点上剧烈抖动，比原始数据还难看。

我们先把"动手"的部分做掉。对一维数据，interp1d 是最快上手的人口，它把"用哪段、怎么连"的决策压缩成 kind 一个参数；数据带噪声时换 UnivariateSpline，把"穿不穿过点"的决策压缩成 s 一个参数；散点数据没有规则网格，交给 griddata。三个工具，三种数据形态，一一对应。

二、核心原理

2.1 interp1d：一个参数决定连接方式

import numpy as np
from scipy.interpolate import interp1d

x = np.linspace(0, 10, 11)
y = np.sin(x) + 0.05 * np.random.default_rng(1).normal(size=x.size)

f_linear = interp1d(x, y, kind="linear")
f_cubic = interp1d(x, y, kind="cubic")
print(f_linear(5.5), f_cubic(5.5))
​

interp1d 返回一个可调用对象，把自变量喂给它就得到插值结果。kind 参数从零阶到三阶各有用处：previous 和 next 输出阶梯形常数，适合"最近时刻的状态"这类语义；linear 是两点的直线连接，简单、稳定、永远不会在两点之间蹦出离谱值；quadratic 与 cubic 用相邻的几个点拟合一簇抛物线或三次曲线，曲线光滑，但代价是可能出现局部过冲——在剧烈变化的数据上，三次插值可能在两点之间拱出比两端都高的尖峰，这叫龙格现象的近亲。

f_step = interp1d(x, y, kind="previous")
print(f_step(5.5))
​

选择建议：数据点密集、变化平缓，linear 足够且最安全；数据点稀疏、需要视觉上的光滑曲线，用 cubic；数值积分或微分需要二阶导数连续，考虑更高阶样条。quadratic 的处境比较尴尬，它比 linear 光滑却不如 cubic 通用，除了特定平滑需求，用得不多。

interp1d 是历史最久的统一入口，新版 SciPy 还提供面向对象的 CubicSpline 与 PchipInterpolator，接口更细、可控性更强。CubicSpline 默认就是三次样条，行为与 interp1d 的 cubic 一致；PchipInterpolator 是保形插值，数据单调时它保证插值结果也单调，不会在两点之间拱出违反物理的尖峰。对浓度随时间下降这类天然单调的数据，保形插值比普通三次更稳，值得记在备选名单里。

2.2 UnivariateSpline：噪声数据的出路

精确穿过每个点，在有噪声的数据上会原样放大噪声。UnivariateSpline 换了个目标：不要求穿过点，只要求曲线"足够接近"且"足够光滑"，两者的平衡由平滑参数 s 控制。

from scipy.interpolate import UnivariateSpline

x = np.linspace(0, 10, 80)
y = np.sin(x) + 0.3 * np.random.default_rng(2).normal(size=x.size)

spl_smooth = UnivariateSpline(x, y, s=2.0)
spl_tight = UnivariateSpline(x, y, s=0.05)
xs = np.linspace(0, 10, 300)
print(spl_smooth(xs).round(3)[:5])
print(spl_tight(xs).round(3)[:5])
​

s 越小，样条越贴近数据点，噪声被原样吸收；s 越大，样条越平直，可能连真实趋势都被抹平。s 取零等价于精确插值，一般不建议在有噪声的数据上这么做。选 s 的实用办法：先跑一次让样条自动估计合适值，再看曲线形态决定加大还是减小。别指望一个万能数值——同样的 s 在不同数据量、不同噪声水平下含义完全不同。

样条对象还提供额外福利：get_knots 返回节点位置，derivative 可以直接求导，integral 可以直接积分，antiderivative 可以求原函数。这意味着"先插值再求导或积分"不再是两段代码的事，而是同一个对象的两个方法。实验数据往往只能给出位置或速度中的一个，另一个要靠求导或积分补出来，这个能力省下的工作量相当可观。

2.3 griddata：散点数据的网格化

一维插值要求 x 有序；二维及以上，数据经常是"一堆散点"——气象站的经纬度与气温、传感器的平面坐标与读数。griddata 把这些散点插到规则网格上，供等值线图或热力图使用：

from scipy.interpolate import griddata

rng = np.random.default_rng(3)
points = rng.uniform(0, 10, size=(60, 2))
values = np.sin(points[:, 0] / 2) * np.cos(points[:, 1] / 2)
grid_x, grid_y = np.mgrid[0:10:50j, 0:10:50j]

zi_linear = griddata(points, values, (grid_x, grid_y), method="linear")
zi_cubic = griddata(points, values, (grid_x, grid_y), method="cubic")
print(np.isnan(zi_linear).sum(), np.isnan(zi_cubic).sum())
​

method 参数三选一：nearest 用最近邻填充，快、无 NaN，但结果呈块状；linear 用 Delaunay 三角剖分在每个三角形内做线性插值，平滑与保真平衡最好，是默认推荐；cubic 在每个三角形上构造三次多项式，视觉最光滑，但计算慢且可能出现过冲。超出散点凸包的位置会返回 NaN——这不是 bug，是算法在告诉你"这里没有数据支撑，别信我"。

zi_nearest = griddata(points, values, (grid_x, grid_y), method="nearest")
print(zi_nearest.shape)
​

散点覆盖不均匀时，凸包外的 NaN 区域会很大，nearest 是唯一能全图填满的选项，代价是块状边界。另一个现实问题：散点太少（比如只有几十个点却要填几百乘几百的网格），cubic 会在空荡荡的三角形上画出夸张的曲面，这时 linear 反而更诚实。插值方法没有绝对好坏，只有"数据形态配不配得上方法"。

2.4 外推：插值最危险的延伸

插值只在数据范围内可靠，出了范围叫外推。interp1d 默认在范围外抛异常，这是刻意的设计：宁可报错，也不给你一个看着像样的错数。需要程序不报错时，用 fill_value 指定边界外的值，或者明确接受外推：

f_ext = interp1d(x, y, kind="linear", bounds_error=False, fill_value=(y[0], y[-1]))
print(f_ext(-1.0), f_ext(12.0))
​

fill_value 传一个二元组，左边界取首值、右边界取末值，语义是"超出范围就恒定在外端值"，至少比三次样条飞出去可控。样条外推尤其危险：三次样条的两端会按最后的弯曲趋势"飞出去"，多项式在远处趋于无穷，物理量却往往有界。回顾第 1 章的细菌培养例子，把插值函数延伸到观测时间之外去预测未来，得到的结果几乎没有意义。做预测请回到第 2 节的拟合模型，那里至少带着物理假设，样条外推只是多项式惯性。

图：样条与线性插值对比示意

同一组数据点，两种连接方式。三次样条在每个区间用相邻四点构造光滑曲线，连接处导数连续，肉眼看不到折角；线性插值只是把相邻点用直线连起来，数据点处必然出现折角，视觉上"硬"，但绝不会在两点之间拱出异常的尖峰。折角不只是美观问题——后续要对曲线求导时，折角处的导数不连续，数值效果差一个档次。

三、工程实践要点

3.1 插值方式速查表

3.2 参数选择的取舍

插值的核心取舍只有一个：光滑度换保真度。interp1d 里这个选择在 kind 参数上，UnivariateSpline 里在 s 参数上，griddata 里在 method 参数上——形式不同，本质相同。给噪声数据选参数时，一个屡试不爽的经验：先画数据散点图，再想象"人眼会怎么连"，然后让参数往那个方向调。曲线抖得跟心电图一样，就加大 s；曲线平得像地板，就减小 s。数值上没有银弹，眼睛是最快的调试工具。

⚠️ 常见坑：用 interp1d 对带噪声的数据做 cubic 插值，然后把插值曲线当"平滑结果"展示。精确插值不降噪，它只是把噪声点连成更光滑的线，噪声依然在，只是换了身衣服。降噪要靠 UnivariateSpline 或第 4 章的滤波。
💡 关键直觉：记住"插值穿过点，拟合绕过点"。穿过点的工具用于精确数据，绕过点的工具用于噪声数据。这个判断帮你省掉一半的选型纠结，也能解释为什么同一批数据在两个同事手里会得出形状不同的曲线。

3.3 外推的边界管理

程序层面，interp1d 默认 bounds_error 为真，越界直接报错，这是好设计；需要容错时用 fill_value 指定边界外的值。业务层面，外推要回答"物理上允许吗"：温度不会无限上升，浓度不会变成负数，凡是违反物理约束的外推结果都要截断或拒绝。如果确实需要外推预测，用第 2 节的拟合模型而不是插值函数——拟合模型带着物理假设，外推至少有个依据；样条外推只是多项式在远处的惯性滑行，没有任何原理支撑。

再往外看一眼工具全景：对规则网格上的多维数据，还有 RegularGridInterpolator 可以用，它要求数据落在网格点上，换来的是稳定与高效；对散点数据，RBFInterpolator 用径向基函数构造曲面，自带平滑参数，适合地形、场量这类连续物理量，但数据量大时它要解一个稠密线性系统，计算代价不低。这两件工具不急着今天学会，知道它们存在，遇到对应问题知道去哪找，就够了。

要点串联

• 要点一：插值穿过每个已知点，拟合绕过噪声点，选错哲学结果从根上坏掉。
• 要点二：interp1d 的 kind 从 previous 到 cubic，光滑度递增，过冲风险也递增。
• 要点三：噪声数据要用 UnivariateSpline，s 小贴数据、s 大抹趋势，取两者之间的平衡。
• 要点四：griddata 的 linear 是散点插值默认推荐，凸包外的 NaN 是诚实的信号。
• 要点五：折角意味着导数不连续，后续要微分时优先选样条类插值。
• 要点六：外推是插值最危险的延伸，样条外推只是多项式惯性，物理约束不可忽略。
• 要点七：曲线抖就加大平滑，平得像地板就减小平滑，眼睛是最快的调参工具。

下一节把前三节收进一个完整实战：从带噪声的酶促反应数据出发，去噪、拟合、评估参数不确定性，走完"数据到模型"的全程。