Python SmoothBivariateSpline给出了意外的答案

我正在尝试使用scipy.interpolate.SmoothBivariateSpline插值二维非结构化网格。恐怕我还不明白这是怎么回事

我尝试了一个非常简单的例子：

从scipy导入插值
x=[0,0,0,0,1,1,1,1,1,2,2,2,2]
y=[0,1,2,3,0,1,2,3,0,1,2,3]
z=[-0.07453796、-0.10857792、-0.07307213、0.01813757、-0.31634891、-0.47235507、-0.33198942、-0.28530956、-0.26995915、-0.40618327、-0.0950876、-0.18871505]
xy_func=插值光滑二元样条线（x，y，z，kx=1，ky=1，s=0）
打印（xy_函数ev（0,1），xy_函数ev（1,0），xy_函数ev（1,3））

我已经将结果可视化了，很明显这是不正确的。我还对一些数据点的结果进行了评估，因为应该清楚输出应该是什么。从打印中，我希望得到输出“-0.10857792，-0.31634891，-0.28530956”，但我得到的结果是“-0.1390947215-0.272092075-0.16190767”

---

我在哪里下车？

我想有两个问题： 如果你通过增加kx=2和ky=3来允许一个更弯曲的形状，那么你的预测已经得到了更好的拟合

但是，因为SmoothBivariateSpline不喜欢测试数据的垂直特性，所以无论如何都不会得到很好的结果。如果您更改x，使其增量更均匀，即（x=范围（len（x）），它看起来会更好

---

我认为有两个问题： 如果你通过增加kx=2和ky=3来允许一个更弯曲的形状，那么你的预测已经得到了更好的拟合

但是，因为SmoothBivariateSpline不喜欢测试数据的垂直特性，所以无论如何都不会得到很好的结果。如果更改x使其增量更均匀，即（x=范围（len（x）），它看起来会更好

SciPy的github站点上的Bug报告（非常旧！）：SciPy的github站点上的Bug报告（非常旧！）：不确定“测试数据的垂直性质”是什么意思，我想你可能误解了（或者我误解了）。据我所知，每个x和y对都有一个对应的z值，例如x=3和y=1的z=-0.16190767。这意味着在绘图中，每个绿点都有一个三维的高程（进入/离开屏幕）。不确定“测试数据的垂直性质”是什么意思，我想你可能误解了（或者我误解了）.据我所知，每个x和y对都有一个对应的z值，例如x=3和y=1的z=-0.16190767。这意味着在绘图中，每个绿点都有一个三维高程（进入/离开屏幕）。