Python Scipy interp1d插值遮罩阵列

我有蒙版数组（玩具示例）[1 2 3 4--6]

points=[1,2,3,4,0,6]
掩码=[0,0,0,0,1,0]
点=毫安阵列（点，掩码=掩码）

我想把它从6维插值到任何数字，例如，6维。 我的插值标准是，它将忽略屏蔽值，并跳过该索引

不希望出现的行为，例如使用

lin=np.linspace（0,1,6）

：

f=interp1d（lin，点，轴=0，kind='cubic'）
f（林）#[1 2 3 4-8.8817842e-16 6]

相反，我希望它的行为像：

compressed_lin=[0,0.2,0.4,0.6,1]
压缩的_点=np.数组（[1,2,3,4,6]）
f=interp1d（压缩线，压缩点，轴=0，种类=立方）
f（林）#[1 2 3 4 5 6]

实际数据： 我的数据是

[100100,2]

的形状，因此它不像从大小为100的

linspace

中隐藏屏蔽值那样简单

关于遮罩阵列，请注意： 我已经知道有一种方法可以在屏蔽阵列上进行2d插值（，）

如果有一种方法可以插值遮罩数组中要填充的所有值，而不是常量填充，这将解决问题，因为我将处理填充的numpy数组

我不能使用

compressed

的原因是它可以更改索引的顺序和数组的大小，例如：

points=np.array（[1,2,3,4,5,6]）
点数=毫安([
ma.数组（点，掩码=[0,0,0,0,1,0]），
ma.数组（点，掩码=[0,0,1,0,0,0]），
])
打印（点数）
# [[1 2 3 4 -- 6]
# [1 2 -- 4 5 6]]
打印（np.重塑（points.compressed（），（2,5）））
# [[1 2 3 4 6]
# [1 2 4 5 6]]

您已经看到了我关于

np.ma

工作原理的解释。只有

np.ma

函数和方法知道

掩码

，知道何时/如何应用

填充的
和
压缩的
。其他任何内容都会使用
数据
属性，无需修改。谢谢@hpaulj您的回答确实非常有用，我依靠它实现了许多功能。然而，我找不到一种方法来使用它来处理这个案例。由于无法使用
填充的
或
压缩的
，我在问题上添加了注释。我知道
interp1d
只使用
数据
本身，但我正试图弄清楚如何（有效地）实现这一点。你说你的数据大于1维，那么应该插值哪个维？您提供的虚拟问题与实际问题在性质上不同。不同维度上的插值可能导致不同的插值。