Go Gonum interp 怎样构建自然三次样条

我第一次把传感器采样点画成曲线时，直接把每两个点用直线连起来，结果在采样稀疏的区间里看起来很生硬。换成 Gonum 的 interp.NaturalCubic 后，曲线在节点处保持连续，斜率变化也更自然。关键不是“把数据变平滑”这么简单，而是先保证输入点有序，再把预测范围限制在已知区间内。

官方地址：https://pkg.go.dev/gonum.org/v1/gonum/interp

最小做法是创建 interp.NaturalCubic，调用 Fit(xs, ys)，再用 Predict(x) 取值。xs 必须严格递增、与 ys 等长；自然边界表示曲线两端的二阶导数为 0。区间外的预测结果不应当当作可靠外推。

先把采样点整理成可拟合的输入

NaturalCubic 处理的是一维 (x, y) 采样点。xs 中不能出现重复值，也不能把时间倒序传入；长度不一致同样不是可以忽略的小问题。生产代码里我会在数据进入拟合层前做一次检查，把坏数据尽早变成可读错误。

package main

import (
    "fmt"

    "gonum.org/v1/gonum/interp"
)

func main() {
    // xs 必须严格递增，ys 与 xs 按下标组成采样点。
    xs := []float64{0, 1, 2, 3, 4}
    ys := []float64{0, 1.2, 0.8, 2.4, 2.0}

    var spline interp.NaturalCubic
    // Fit 负责建立分段三次样条；失败时不要继续读取预测值。
    if err := spline.Fit(xs, ys); err != nil {
        panic(fmt.Errorf("fit natural cubic: %w", err))
    }

    x := 2.5
    // Predict 适合读取已知采样区间内的平滑值。
    fmt.Printf("x=%.1f, y=%.4f, dy/dx=%.4f\n",
        x, spline.Predict(x), spline.PredictDerivative(x))
}

这里的 PredictDerivative 不是额外拟合一条曲线，而是读取同一个插值器在该位置的一阶导数。做趋势展示时看 Predict，做变化速度或拐点分析时再看导数，职责会比较清楚。

Fit、Predict 和自然边界分别解决什么问题

Fit 会根据节点求出分段三次多项式。NaturalCubic 的边界条件是左端和右端的二阶导数为 0，所以它适合“端点没有额外斜率约束”的平滑曲线。它不是万能的降噪器：如果采样点本身包含尖峰，样条仍然会忠实地在节点之间连接这些变化。

包文档将它描述为值、一阶导数和二阶导数连续的分段三次插值器。调用时只需要关注三个结果：Fit 的错误、Predict 的值、PredictDerivative 的局部斜率。不要把区间外的返回值当作有统计保证的预测，因为该包明确将区间外行为标为未定义。

一次故障复盘：曲线异常通常不是 Predict 的锅

我遇到过一条曲线在最后一个点之后突然飙高，第一反应是怀疑样条算法。回头看调用链，真正的问题是查询循环把 x 继续推进到了最后一个采样点之外。修复方式不是给 Predict 套一个“看起来合理”的结果，而是在调用前判断 xs[0] ，区间外改为返回业务错误或使用明确的外推模型。

另外，Fit 在 len(xs) 、xs 不严格递增或两组切片长度不等时会 panic。若输入来自文件、网络或用户表单，不能只依赖上层“应该是干净数据”的假设，应在边界函数里做长度和排序检查，再调用 Gonum。

把自然三次样条放进工程时的检查清单

• 拟合前确认 len(xs) == len(ys)，并保证 xs 严格递增。
• 把 Fit 的错误向上返回，不要在错误后继续复用旧的插值器状态。
• 为查询值增加已知区间判断，区间外结果要有明确的业务策略。
• 如果端点斜率是业务条件，先比较 ClampedCubic，不要强行使用自然边界。
• 如果数据是离散阶梯或不能接受过冲，优先评估分段线性方案。

这套方法让我后来少改了很多“神秘参数”：先确认数据和边界，再选择插值器，通常比看到曲线异常就调平滑程度更有效。

相关问题

NaturalCubic 能处理重复的 x 吗？不能把重复值当成正常节点；应先合并、去重或按业务规则聚合，否则不满足严格递增条件。

Predict 在区间外能不能继续用？不建议。官方文档把区间外结果定义为未定义；如果业务需要外推，应单独设计并标出外推边界。

为什么不用 PiecewiseLinear？如果只要求稳定、可解释且允许折线，分段线性更合适；只有确实需要连续曲率时才引入三次样条。