插值运算 是一种数据处理方法，主要用来填补数据之间的空白或缺失值。

因为在实际应用中，数据往往不是完整的，而是存在着空白或缺失值，这些空白或缺失值可能是由于数据采集困难、数据丢失或数据处理错误等原因造成的。

如果直接使用这些空白或缺失值进行分析和预测，将会对结果造成很大的影响。

插值运算可以用来填补这些空白或缺失值，从而恢复完整的数据集。

通过插值运算，可以估算出空白或缺失值的值，从而提高数据的完整性和准确性。

此外，插值运算还可以用来预测未来的数据趋势或结果，对于数据分析和预测具有重要的意义。

本篇介绍Scipy为我们提供的插值处理方法。

1. 主要功能

Scipy中，关于插值的子模块是：scipy.interpolate。

其中又细分为：

类别	说明
单变量插值	主要包含`interp1d`等12个函数
多变量插值	主要包含`griddata`等11个函数
一维样条函数	主要包含`BSpline`等16个函数
二维样条函数	主要包含`RectBivariateSpline`等9个函数
其他函数	一些辅助计算的函数

插值效果的好坏，有个重要的因素在于是否根据数据的情况选择了合适的插值算法。
Scipy库中已经实现的插值算法有：

linear：线性插值算法
nearest：最近邻插值算法
nearest-up：改进型最近邻插值算法
zero ：零阶样条插值算法（等同于 previous）
slinear ：一阶样条插值算法（等同于 linear）
quadratic：五阶样条插值算法
cubic：三阶样条插值算法
previous：前点插值算法
next：后点插值算法

我们可以根据数据情况选择合适的算法，下面用一些测试数据演示不同算法的插值效果：

python 复制代码

from scipy.interpolate import interp1d

x = np.linspace(0, 20, 20)
y = x * np.cos(x)
plt.scatter(x,y)
plt.show()

上图是插值之前，直接由20个数据点连接起来的折线。

接下来，应用9种不同的插值算法将20个点补充为100个点，然后看看插值之后各种曲线的效果。

python 复制代码

interp_types = [
    "linear",
    "nearest",
    "nearest-up",
    "zero",
    "slinear",
    "quadratic",
    "cubic",
    "previous",
    "next",
]

fig = plt.figure(figsize=[12, 9])
fig.subplots_adjust(hspace=0.4)

for idx, typ in enumerate(interp_types):
    f = interp1d(x, y, kind=typ)
    x_dense = np.linspace(0, 20, 100)
    y_dense = f(x_dense)

    ax = fig.add_subplot(330 + idx+1)
    ax.scatter(x, y)
    ax.plot(x_dense, y_dense, color='g')
    ax.set_title("插值算法-{}".format(typ))


plt.show()

2. 一维插值示例

在我自己实际接触的项目中，气象数据的处理经常会用到插值。

因为气象数据常常存在缺失值，这可能是由于传感器故障，数据传输问题，或者在某些情况下，由于天气现象使得数据无法收集。

对于这些缺失值，我们可以使用Scipy的一维插值功能来进行填充。

比如下面是南京市某年的各个月的平均气温：

python 复制代码

import pandas as pd

# 南京一年中每个月平均气温
df = pd.DataFrame({
    "月份": ["一月", "二月", "三月", 
           "四月", "五月", "六月", 
           "七月", "八月", "九月", 
           "十月", "十一月", "十二月"],
    "平均最低气温": [-1.6, 0.0, 4.4, 
               np.nan, 15.7, 20.4, 
               np.nan, 24.6, 19.1, 
               12.6, 6.1, -0.1],
    "平均最高气温": [7.0, 8.4, np.nan, 
               20.1, 25.3, 29.0, 
               32.0, 32.2, 27.2, 
               np.nan, 16.9, 9.7],
})

df

由于采集或者传输的原因，导致缺失了一些数据。

这样的数据不仅绘制出来的折线图会有断开的地方，而且不利于后续的分析。

python 复制代码

plt.plot(df["月份"], df["平均最低气温"], label="平均最低气温")
plt.plot(df["月份"], df["平均最高气温"], label="平均最高气温")
plt.legend()

plt.show()

这时，可以用Scipy的插值算法来补充缺失数据。

python 复制代码

from scipy.interpolate import interp1d

# 过滤掉缺失的 平均最低气温 数据
df_low =df[df["平均最低气温"].notna()]
# 根据已有的数据生成插值函数
f = interp1d(df_low.index, df_low["平均最低气温"], kind="cubic")
# 用插值函数补充缺失数据
df["平均最低气温"] = f(range(12))

# 平均最高气温 的缺失数据处理同上
df_high =df[df["平均最高气温"].notna()]
f = interp1d(df_high.index, df_high["平均最高气温"], kind="cubic")
df["平均最高气温"] = f(range(12))

df.round(1)

plt.plot(df["月份"], df["平均最低气温"], label="平均最低气温")
plt.plot(df["月份"], df["平均最高气温"], label="平均最高气温")
plt.legend()

plt.show()

处理之后，数据的连续性更好了。

3. 二维插值示例

当自变量有2个的时候，就要用到二维插值了。

仍然以气象上的数据举例，上面示例是气温和时间 的关系，我们把时间作为自变量，只要一维插值即可。

如果是和地点关联的话，那么地点作为自变量就有2个值（一般是经度和纬度）。

比如下面截取了项目中一段降水量的数据：

python 复制代码

# 数据是二维数组：
# 每一行代表经度相同，纬度不同的地点
# 每一列代表纬度相同，经度不同的地点
data = np.array([
    [9, 9, 5, 9, 10, 9, 8, 7, 11, 1],
    [54, 36, 54, 32, 46, 51, 35, 33, 36, 11],
    [35, 34, 34, 45, 52, 35, 34, 36, 41, 9],
    [117, 112, 113, 133, 126, 127, 119, 96, 116, 23],
    [110, 67, 91, 85, 94, 69, 77, 81, 65, 13],
    [9, 7, 13, 12, 9, 6, 8, 9, 21, 3],
    [50, 21, 24, 32, 36, 26, 28, 30, 24, 3],
    [65, 41, 63, 67, 58, 50, 54, 45, 48, 16],
    [36, 29, 32, 28, 38, 29, 41, 27, 29, 9],
    [37, 61, 57, 35, 56, 51, 40, 58, 100, 34],
])

显示降水量的分布情况。

python 复制代码

plt.imshow(data, cmap=plt.cm.GnBu)
plt.colorbar()
plt.xticks([])
plt.yticks([])
plt.show()

data中只有100个数据，所以每个格子一个值，看起来不是那么连续，

而实际的降水情况不会像这样离散的，区域之间的降水量应该是逐渐连续变化的。

所以，需要在data的基础上进行二维插值：

python 复制代码

from scipy.interpolate import RectBivariateSpline

# 原始数据是 10x10 
x = np.linspace(0, 10, 10, endpoint=False)
y = np.linspace(0, 10, 10, endpoint=False)

# 插值后的数据是 500x500
x_new = np.linspace(0, 10, 500, endpoint=False)
y_new = np.linspace(0, 10, 500, endpoint=False)

# 从原始数据生成插值函数
f = RectBivariateSpline(x, y, data.T)
# 用插值函数计算新的数据
data_new = f(x_new, y_new)

# 显示插值后的结果
plt.imshow(data_new.T, cmap=plt.cm.GnBu)
plt.colorbar()
plt.xticks([])
plt.yticks([])
plt.show()

这是插值到 500x500 的效果，值越大，连续性越好。

有兴趣的话，可以调整上面代码中 x_new 和 y_new 的个数，看看不同的效果。

4. 总结

插值作为一种常见的数据处理方法，应用的领域和场景非常多，比如：

数据预测：通过插值技术，可以预测未来的数据趋势或结果。
图像处理：插值可以用于图像处理和图像分析，以提高图像的分辨率或质量。
机器学习：插值技术也可以用于机器学习和人工智能领域。用于构建回归模型或分类模型，以便对未知数据进行预测或分类。

本文主要介绍了Scipy库的插值子模块，其内置的插值算法，以及两个应用插值的小例子。

【scipy 基础】--插值

1. 主要功能

2. 一维插值示例

3. 二维插值示例

4. 总结