x 数组从负到正的意外 numpy 插值行为（按递增顺序排列）

Question

使用 np.interp(query, x, y) 产生的结果与我有时在 Excel 中计算的结果相同。这是 np.interp() 和 Excel 一致的情况：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'x': [-9.210,-6.908,-4.605,-2.303,0.000,2.303],
     'y': [-1.867,-1.867,-2.027,-3.667,-7.850,-21.112]}
)

val = -7.313

test1 = np.interp(val, df['x'], df['y'])

并且 print(test1) 产生 -1.867。这正是我在 Excel 中计算的结果，它看起来是正确的（我们的查询值在黄色值之间）：

然而，test2 = np.interp(val, df['y'], df['x']) 产生 2.303。在Excel中，我计算了-0.2956，这看起来是正确的，因为我们的查询值在黄色值之间。

numpy 中是否存在某种奇怪的行为，在尝试插值时从负到零再到正感到困惑？我已经尝试使用更加描述化的数据框（50 行而不是这 6 行），并且值始终按递增顺序排列，我遇到了同样的问题。

Answer 1

预测值列中的值必须按升序排列。（注意：-21 在数轴上小于 -1.8，-1 小于 1。）使用 sort_values 将数据框按 y 列升序排序，然后输出匹配你的 Excel 输出.

df1=df.sort_values(by="y")

test3= np.interp(val, df1["y"], df1["x"])

print(test3)

-0.29565168539325837

x 数组从负到正的意外 numpy 插值行为（按递增顺序排列）

Unexpected numpy interpolation behavior for x array spanning negative to positive (ordered as increasing)

python

interpolation

numpy