python对有缺失值的数组进行一维插值

对于有缺失值的数组进行一维插值，同样可以使用 SciPy 库中的 interpolate 模块来实现。需要注意的是，在创建插值函数时，需要将缺失值（例如用 np.nan 表示的）剔除掉，否则会出现插值失败的情况。

具体步骤如下：

1. 导入 interpolate 模块：`from scipy import interpolate`
2. 剔除缺失值：`x_clean = x[~np.isnan(y)]`，`y_clean = y[~np.isnan(y)]`，其中 ~np.isnan(y) 表示 y 中非缺失值的索引。
3. 创建插值函数：`f = interpolate.interp1d(x_clean, y_clean, kind='linear')`，其中 x_clean 和 y_clean 分别为剔除缺失值后的横纵坐标，kind 表示插值的类型，可以选择 'linear'（线性插值）或 'cubic'（三次样条插值）。
4. 调用插值函数：`y_interp = f(x_interp)`，其中 x_interp 为需要进行插值的新的横坐标。

下面是一个简单的例子：

import numpy as np
from scipy import interpolate

# 原始数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([1, 4, np.nan, 16, 25])

# 剔除缺失值
x_clean = x[~np.isnan(y)]
y_clean = y[~np.isnan(y)]

# 创建插值函数
f = interpolate.interp1d(x_clean, y_clean, kind='linear')

# 进行插值
x_interp = np.array([1.5, 2.5, 3.5, 4.5])
y_interp = f(x_interp)

print(y_interp)

输出为：`[ 2.5 6.5 14.5 22.5]`，即为插值后的结果。