Python 为什么'；t scipy'；s在同一个值上插值平均值？

如果要运行以下代码：

>>> from scipy.interpolate import interpolate
>>> import numpy as np
>>> data = np.arange(10)
>>> times = np.r_[np.arange(5),np.arange(5)]
>>> new_times = np.arange(5)
>>> f = interpolate.interp1d(times,data)
>>> interp_data = f(new_times)

我天真地（并满怀希望地）期待着以下几点：

>>> interp_data
array([2.5,  3.5,  4.5,  5.5,  6.5])

基于以下假设，即在插值过程中，将对同一位置的值进行相应的平均和加权。但事实上，结果是：

>>> interp_data               
array([ 0.,  6.,  7.,  8.,  9.])

---

导致这种行为的原因是什么？如何纠正？

来自

interp1d

文档：

假设_sorted:bool，如果为False，则可选，x的值可以是任意形式 按顺序排列，然后首先进行排序。如果为True，则x必须是 单调递增的值

我只能通过明确强制

假设排序为
真来获得您得到的结果：

>>> f = interpolate.interp1d(times,data, assume_sorted=True)
>>> interp_data = f(new_times)
>>> interp_data
array([ 0.,  6.,  7.,  8.,  9.])

从您的代码中可以看出，
假定\u sorted
默认为
True
，这给出了您不期望的答案

如果显式将其设置为
False
，根据文档，
interp1d
会自动对其排序，然后执行插值，给出

>>> f = interpolate.interp1d(times,data)
>>> interp_data = f(new_times)
>>> interp_data
array([ nan,   1.,   2.,   3.,   4.])

这与文档一致。
我不确定您到底想要什么，但似乎interp不是实现这一目标的最佳方式。插值函数f应将单个输入与单个输出相关联，即

from scipy.interpolate import interpolate
import numpy as np
data = np.arange(2.,8.)
times = np.arange(data.shape[0])
new_times = np.arange(0.5,5.,1.)
f = interpolate.interp1d(times,data)
interp_data = f(new_times)

或者，也可以这样回答：
可能是您想要的吗？
不，
interp1d
不会对数据进行加权、平均或其他处理

它希望对数据进行排序。如果您的scipy足够新（0.14或更高），它有
假定\u排序的
关键字，您可以将其设置为False，然后它将为您排序。未排序数据的精确行为尚未定义