企业官网建设流程全解析

做数据处理最烦的时刻，不是数据量太大，而是曲线中间莫名其妙空了一截。温度记录断档、传感器掉线、清洗时误删一段……前后数据都好好的，唯独中间留着缺口。这时候唯一能做的，就是拿已有数据把缺口“缝”回去，也就是做一维插值。这篇博文按标题说，要聊9种插值姿势。我按字面意思来，把我日常真正用过的、有对应成熟工具的9种一维插值/填充方法拆开讲完，从最朴素的最近邻插值、线性插值，到三次样条、PCHIP、Akima，再到时序场景里高频出现的前向填充和后向填充。每个方法都给可复现的Python代码，并说明适合谁来用、用在什么场景，不吹不黑，把优缺点讲透。

要说清楚，这不只是给科研人员看的数学课。如果你做传感器数据清洗、做能源曲线补全、做大盘指标修复，或者只是想把Excel里那几个空单元格填得像样一点，这套东西都能直接用。缺测数据的“缝补”一旦选错方法，轻则曲线难看，重则后续统计指标全部跑偏。所以我想把每个选择背后的逻辑和翻车现场一起写出来，你就知道什么时候该用最“土”的线性插值就够了，什么时候必须上PCHIP或Akima。

1. 先搞清楚：你到底在补什么数据

1.1 一维数据缺测的几种典型现场

一维数据缺测，说白了就是“x已知，y断档”。x通常是时间戳、位置、频率、浓度梯度这些连续自变量的坐标，y则是对应的测量值。日常遇到的缺测场景，我大致分成三类。

传感器链路问题是最常见的。采集设备偶尔抽风，某几个采样点没写进数据库，或者通信模块抖动把包丢了，结果时间序列中间出现空洞。这类缺测通常是小段、零散、随机分布，插值时不需要太复杂的哲学思考。

人工清洗留下的坑也很常见。原始数据里有明显异常值，比如温度瞬间跳到85度又跳回来，你用规则把它剔掉，但剔除之后坐标轴上就留了一个空位。很多新人会把这一行直接删掉，让时间索引不再连续，这就导致后续所有分析都默认时间间隔均匀，结果全错了。正确做法是保持坐标轴完整，把y值置为NaN，再用插值补回来。

还有一种是有物理意义的“盲区”。某些工况下仪器本来就不该读数，或者某段区间物理上不可达，比如雷达测距在近距离盲区无输出，风速仪在极低风速下有截止区。这种缺测不一定需要填补，硬补反而引入虚假信息。补数据之前先问一下：这个缺测是“本应有值但丢了”，还是“物理上就不该有值”？只补前者。

1.2 插值、填充、拟合，别傻傻分不清楚

很多人口里说“插值”，实际做的却是拟合或者填充，三者差别挺大。

插值（Interpolation）的定义非常严格：你构造一个函数，让它必须穿过所有已知数据点，然后用这个函数去求缺失位置的值。这意味着已知点一个都不能动，曲线在观测点上严格贴合。它的优势是忠实，劣势是一旦已知点本身带着噪声，插值结果也会把噪声一起“尊重”进去。

拟合（Fitting）完全不同。拟合是找一个函数逼近整体趋势，不需要经过每个已知点，比如线性回归、多项式拟合。拟合适合那种“数据有大量噪声、你要提取规律”的场景，但如果你拿它来补中间缺口，已知点的值会被“无视”，误差属于系统性偏差。

填充（Filling）是个更大的筐。它既可以是插值，也可以是把上一个值平移到下一个值（前向填充），还可以是补平均值、补中位数。填充强调的是“让数据完整”，不强调数学上是否严格穿透已知点。我后文写的前向填充和后向填充，严格来说属于填充而不是插值，但在一线数据修复里它们和插值承担同一类任务，所以我坚持把它们算进“9种姿势”。

为什么要把这三个概念先掰开？因为选错概念框架比选错算法更致命。你用拟合去补缺口，补出来的曲线和已知点在连接处可能直接错位；你用插值去处理噪声密集的数据，曲线会变得张牙舞爪。先定位你要干什么，再去挑方法。

2. 九种姿势总览：分类与快速选型框架

2.1 我把九种方法分成三个流派

9种方法如果一股脑铺开，你只会觉得选择困难。我自己习惯把它们分成三个流派，每个流派解决一类核心诉求。

第一派是朴素派，包含最近邻插值、线性插值、分段二次插值、分段三次插值四种。它们的共同点是：直接在原始数据点上构造简单函数，不搞全局优化，代码容易理解，曲线形态也被限制得很死，不容易出现离谱结果。大多数常规数据修复从这一派起步就够了。

第二派是平滑派，包含三次样条（CubicSpline）、PCHIP、Akima插值三种。它们的共同点是：为了追求曲线在节点处的光滑性或者某种特定形状约束，会引入更多条件，比如导数连续、二阶导数连续、单调性保持等。这一派适合对曲线形态有更高要求的场景，但副作用是可能出现过头的行为，比如过冲、振荡。

第三派是时序派，包含前向填充和后向填充两种。它们严格来说不构造任何插值函数，而是直接搬运已有值。它们的核心价值在于“因果性”和“极简性”，在实时系统、状态量处理中几乎是唯一正确的选择。

2.2 一张表看懂九种方法的性格

连续性这栏写的是理论性质，实际工程里你更该关注的是“会不会过冲”和“边界处会不会翘尾巴”，这两点才真正决定补出来的曲线能不能看。

2.3 选型三问：三十秒锁定方法

我不建议你把9种方法背下来再挨个试，那样太累。面对一个缺测问题，先问自己三个问题。

第一问：你要补的是连续物理量，还是离散状态？连续物理量比如温度、压力、电压，数值之间有关联，适合线性插值及以上；离散状态比如设备开/关、信号有/无、类别标签，插值没有意义，选最近邻或前向填充。

第二问：你允许插值结果超过已知值范围吗？有些场景绝对不能超。比如浓度不能为负，百分比不能超过100，单调递增的累计曲线不能回退。这时候优先PCHIP、线性插值，或者插值后强制裁剪；三次样条默认行为很容易冲出边界，慎用。

第三问：当前系统能不能用“未来”的数据？在线监测、实时控制系统只能用过去的信息，那就老老实实前向填充，或者用只依赖左侧数据的线性外推；离线分析没有这个限制，中心插值随便用。

这三问问完，基本能排除大半选项。剩下几个再根据你要的“颜值”级别去定。

3. 朴素派实战：最朴素的四种缝法

3.1 最近邻插值：用离你最近的已知点硬顶

最近邻插值不做任何计算，目标点等于离它最近的已知点的值。实现简单到令人发指，速度极快，O(1)查表就能完成。它的数学形态是阶梯函数，画出来就是一个个平台拼接。

很多讲插值的文章会嫌弃最近邻插值“太粗糙”，但我要帮它说句公道话：如果你的数据本身就是离散状态量，它反而是最靠谱的选择。比如设备运行状态在“待机、运行、故障”之间切换，你用线性插值去补，会补出一个“0.3的待机状态”，毫无物理意义。这时候最近邻或者前向填充才是正解。

代码非常简单：

import numpy as np from scipy.interpolate import interp1d x_known = np.array([0, 1, 2, 4, 5]) y_known = np.array([10, 12, 11, 13, 15]) x_target = np.array([2.5, 3.0, 3.7]) f_nearest = interp1d(x_known, y_known, kind='nearest', fill_value='extrapolate') y_fill = f_nearest(x_target) print(y_fill) # 输出 [11, 11, 13]

注意2.5到3.7这段，最近邻全部返回左侧点的值11或右侧点的值13，中间没有任何渐变。如果你把这套方法用在连续物理量上，补出来的平台和前后曲线的连接处会出现明显的“断层感”，看起来非常突兀。所以我的使用准则是：只有离散状态量或者对数值精度完全不敏感的占位场景，才用最近邻插值。

3.2 线性插值：最常用的老实人

线性插值是绝大多数场景的首选默认方法，它在相邻已知点之间拉一条直线，目标点按比例分配两个点的值。公式写出来就是：

y_est = y0 + (y1 - y0) * (x - x0) / (x1 - x0)

这个公式的几何意义就是“按距离加权平均”。离x0越近，越像y0；离x1越近，越像y1。它不会超出两个已知点的取值范围，也就是说不会产生过冲，这是它最大的美德。缺点也很明显：在已知节点处只有连续，没有平滑的转折，折角很明显，一阶导数在节点处断裂。

我记得最早用线性插值补传感器温度曲线，肉眼看起来有点“多段线”的感觉，但误差完全在可接受范围内。后来我换三次样条试了一次，曲线是好看了，但中间有两个点因为传感器本身抖动，被样条“过度发挥”，补出一个小鼓包，反而更难看。这件事给我上了一课：别为了好看而上强者，线性插值虽然朴素，但它绝不骗人。

代码更简单，使用numpy.interp即可：

import numpy as np x_known = np.array([0.0, 1.0, 2.0, 4.0, 5.0]) y_known = np.array([10.0, 12.0, 11.0, 13.0, 15.0]) x_target = np.array([2.5, 3.0, 3.7]) y_fill = np.interp(x_target, x_known, y_known) print(y_fill) # 输出 [11.25, 11.5, 12.1]

numpy.interp默认只在已知区间内插值，超出范围会两侧截断，如果你要外推，需要自己写逻辑或者换用scipy的interp1d并设置fill_value='extrapolate'。我个人喜欢numpy.interp作为默认选项，因为它是编译好的C实现，速度非常快，百万级数据毫无压力。

3.3 分段二次插值：折中但不性感

分段二次插值是在每段区间用二次多项式连接，使得曲线整体看起来比线性更柔和。它在节点处能保证函数值连续，同时一阶导数也能做到连续，视觉上不再是一个个生硬的折角，而是出现了弧度。

但实际用过之后，我觉得它的定位比较尴尬。说它顺滑，它不如三次样条漂亮；说它简单，它比线性插值复杂；说它防过冲，它在二次曲线上还真可能出现轻微的超调，尤其在数据点之间变化幅度大的区域。

scipy里可以直接在interp1d里切换：

from scipy.interpolate import interp1d f_quad = interp1d(x_known, y_known, kind='quadratic', fill_value='extrapolate')

需要注意，分段二次插值要求x坐标必须是严格递增的。如果你的时间戳有重复值或者乱序，需要先排序去重。它适合那种“觉得线性太生硬，但数据量又大到不敢上三次样条”的中间场景。不过说句实话，我日常用的频率不高，大多数情况下要么线性要么三次样条，二次多项式处于一个“知道它存在，但很少想起来用”的位置。

3.4 分段三次插值：朴素派里的颜值担当

分段三次插值（interp1d kind='cubic'）把每个小区间都用三次多项式来拟合，比二次更进一步。它在节点处能保持高阶连续性，曲线整体相当顺滑，单从“补出来的好看程度”上已经接近专业样条的水平。

这里必须强调一下，scipy的interp1d(kind='cubic')和专门的CubicSpline类虽然都属于三次多项式插值，但边界条件处理并不完全一样。interp1d面向的是“快速分段补形”，CubicSpline则允许你显式指定边界条件。数据点密集、缺测区不在边界附近时，两者差异很小；一旦边界附近数据稀疏或者缺测区正好顶到数据边缘，就要小心对待。

from scipy.interpolate import interp1d f_cubic = interp1d(x_known, y_known, kind='cubic', fill_value='extrapolate')

它在样条族里算比较克制的，不容易出现大幅振荡，但也不是绝对安全。如果数据本身存在明显阶跃，比如从10直接跳到100，分段三次插值会在阶跃附近产生小幅反向波，这个视觉上的“甩尾”就是过冲的雏形。所以它只适合曲线本身连续光滑的物理量，温度、压力、位移这类就挺好，别拿去补开关状态。

4. 平滑派实战：三种高阶姿势的脾气

4.1 三次样条：丝滑但要小心“甩尾”

三次样条是插值届的门面担当。它比朴素派更进一步，要求在每个节点处不仅函数值连续，一阶导数和二阶导数也都连续。这意味着整条曲线从起点到终点都是光滑的，不存在任何肉眼可见的折角或突变，视觉体验极佳。

代价是什么？代价是它可能为了“光滑”而牺牲“形状”。如果数据在局部有剧烈跳跃，三次样条会在跳跃点前后甩出明显的虚拟波浪，就像汽车高速过弯时尾部甩一下。这种现象有个很直白的称呼：过冲（Overshoot）。越急的跳变，甩得越厉害。

我用一个例子说明。假设有一组阶梯状数据，数值在某个位置从5瞬间跳到100，三次样条补出来会在升到100之前先拱到120，再回落到100，形成一个假峰。这个假峰在物理上完全不存在，纯属数学光滑性要求的副作用。

代码：

from scipy.interpolate import CubicSpline cs = CubicSpline(x_known, y_known, bc_type='not-a-knot') y_fill = cs(x_target)

bc_type可以选'not-a-knot'或'natural'。not-a-knot让首尾两段被视为同一多项式，边界处更自然；natural强制端点二阶导数为0，边界外倾向于直线延伸。我自己做离线数据补全时偏好not-a-knot，因为它对边界数据更友好；但如果你的曲线两端明显趋于平缓，natural也不错。

使用三次样条的最大心得是：先看数据有没有阶跃和极端尖峰，有的话要么先做平滑，要么换PCHIP，不要跟它硬刚。

4.2 PCHIP：保单调、不超调的乖孩子

PCHIP全称是分段三次Hermite插值多项式，它和三次样条走的是完全不同的思路。三次样条是全局构造，为了光滑不惜扭曲形状；PCHIP是局部构造，先给每个节点估计一组合适的导数，再用Hermite基函数搭出区间内的三次曲线。最关键的是，它在估计导数时强制满足一个约束：如果数据是单调的，插值结果也必须是单调的；如果数据是平的，插值结果就不能自己拱出峰来。

用大白话说，PCHIP是一个遵守交规的司机。看到前面是上坡就老老实实顺着坡走，绝对不会为了“飘移效果”先下探一截再冲上去。这一点在处理物理量时太重要了。我补过一条功率曲线，功率从0升到额定值再回落，用三次样条补出来的中间段偶尔会出现负值，明显不合理；换PCHIP之后，曲线规规矩矩地贴着单调趋势走，再也没出现过负功率。

from scipy.interpolate import PchipInterpolator pchip = PchipInterpolator(x_known, y_known) y_fill = pchip(x_target)

PCHIP的短板是它只保证一阶导数连续，整体光滑度和三次样条比还是差一点。如果你的数据本身没有跳跃问题，PCHIP和三次样条补出来的曲线肉眼几乎分不出高下；但一旦数据存在阶跃、极值或单调约束，PCHIP的稳健性就完全体现出来了。我的经验是：凡是不能接受过冲的物理量，比如浓度、压力、累计量，默认PCHIP，不会后悔。

4.3 Akima插值：处理大起大落的实用派

Akima插值和PCHIP同属“先估计斜率再构造三次段”的思路，但斜率估计方法不一样。Akima只用每个点邻近的几个点做加权差商，中心点的斜率由左侧差分和右侧差分加权平均而来。这种做法的好处是对局部突变反应更灵敏，数据剧烈起伏时它能快速追上去，同时又不会像三次样条那样荡出大幅波浪。

我拿地形剖面数据试过最直观。地形有山脊、河谷、陡坎，用三次样条补出来的断面在陡坎附近会出现波浪形假地貌；Akima补出来的截面则能相对干净利落地顺着趋势走，哪怕数据上下翻飞，它也只是紧贴局部趋势，不搞大新闻。

from scipy.interpolate import Akima1DInterpolator akima = Akima1DInterpolator(x_known, y_known) y_fill = akima(x_target)

Akima的不足是它对噪声敏感。因为斜率计算只看局部点，所以如果已知数据本身抖动剧烈，它会把抖动“翻译”成起伏的曲线，不如样条平滑。它适合“真信号就是陡峭多变、只是中间掉了点数据”的场合；如果你的数据是噪声很大的传感器输出，最好先滤波再插值。

说起三者的取舍，我常给同行一个粗鲁但实用的比喻：三次样条是西装革履的“视觉系”，PCHIP是循规蹈矩的“安全系”，Akima是身手矫健的“野战系”。选谁取决于你的数据是定期宴会、日常通勤，还是野外生存。

5. 时序派实战：两种“不插”的插值

5.1 前向填充：实时链路保底的选择

前向填充非常简单：缺测位置的值等于最近一个已知值，并且一直保持到下一个已知点出现。用pandas一句代码就能完成：

import pandas as pd s = pd.Series([1.0, np.nan, np.nan, 4.0, 5.0]) s = s.ffill() print(s) # 输出 # 0 1.0 # 1 1.0 # 2 1.0 # 3 4.0 # 4 5.0

它的优势是极其安全：只用历史数据，绝不引入未来信息，符合系统的因果性要求。在线监测、实时预警系统里，你到了缺测的这一刻根本没有“未来”可用，前向填充是唯一合理选择。另外对于离散状态量，前向填充的语义也很自然——设备没上报数据，默认它保持上一秒状态。

它的隐患是假平台。如果缺测区域特别长，前向填充会把缺失前的最后一个数值一直延续下去，掩盖掉真实的连续变化趋势。比如温度从早上25度到中午35度，如果上午10点掉线，你填充的结果会让温度在10点到下午2点之间一直显示25度，然后突然跳到某时刻的真实值，中间形成一段完全虚假的“低温平台”。

所以我的原则是：前向填充用于小段缺测和实时链路，但一旦缺测长度超过总长度的5%到10%，就要考虑用插值或者干脆标注数据不可信，别硬填。

5.2 后向填充：少数场景才好用

后向填充和前向填充完全对称，缺测位置的值等于之后第一个已知值。pandas里对应bfill：

s = pd.Series([1.0, np.nan, np.nan, 4.0, 5.0]) s = s.bfill() print(s) # 输出 # 0 1.0 # 1 4.0 # 2 4.0 # 3 4.0 # 4 5.0

它最大的问题是会引入未来信息，这在在线系统里是禁忌。但离线数据分析里，它偶尔比前向填充更合理。比如某些设备存在“迟报”机制，数据晚到但数值本身可信，你整理历史数据时用后向填充把这段时间补上，语义就说得通。

还有一种用法是边界处理。数据开头就有缺测，前向填充没有已知道可以用，只能后向填充。反过来数据末尾缺测，前向填充更合适。实际项目中我经常把两者组合使用：开头缺失用bfill，中间缺失用插值，结尾缺失用ffill，各管一段。

严格来说，ffill和bfill不是数学意义上的插值，因为它们根本没有构造插值函数，只是数据搬运。但一线数据修复里它们和插值处理的是同一个问题，所以我在“9种姿势”里把它们算进来。它们最大的价值不是精度，而是简单、确定、不会产生任何离谱的中间值。

6. 同台竞技：一份缺测数据上的实测对比

6.1 造一份带尖峰的传感器数据

光讲理论没意思，我把9种方法放到同一份数据上跑一遍。我用一份模拟“传感器曲线”，包含周期波动、整体斜升峰和一个局部尖峰，代表比较真实的物理信号。然后挖掉中间一段，看每种方法补出来的效果。

import numpy as np import pandas as pd from scipy.interpolate import interp1d, CubicSpline, PchipInterpolator, Akima1DInterpolator # 构造模拟传感器曲线 rng = np.random.default_rng(42) x = np.linspace(0, 20, 201) y = (3 * np.sin(1.3 * x) + 0.2 * x + 5 * np.exp(-((x - 9.8) ** 2) / 0.6) + rng.normal(0, 0.1, size=x.size)) # 挖掉 x 属于 [8.5, 11.0] 的区间 miss = (x >= 8.5) & (x <= 11.0) x_known, y_known = x[~miss], y[~miss] x_target = x[miss] # 朴素派 y_nearest = interp1d(x_known, y_known, kind='nearest', fill_value='extrapolate')(x_target) y_linear = interp1d(x_known, y_known, kind='linear', fill_value='extrapolate')(x_target) y_quad = interp1d(x_known, y_known, kind='quadratic', fill_value='extrapolate')(x_target) y_cubic = interp1d(x_known, y_known, kind='cubic', fill_value='extrapolate')(x_target) # 平滑派 y_spline = CubicSpline(x_known, y_known, bc_type='not-a-knot')(x_target) y_pchip = PchipInterpolator(x_known, y_known)(x_target) y_akima = Akima1DInterpolator(x_known, y_known)(x_target) # 时序派 s = pd.Series(y) s_missing = s.copy() s_missing[miss] = np.nan y_ffill = s_missing.ffill()[miss].values y_bfill = s_missing.bfill()[miss].values def rmse(a, b): return float(np.sqrt(np.mean((a - b) ** 2))) # 以原始数据为真值，计算每种方法在缺口内的RMSE methods = { 'nearest': y_nearest, 'linear': y_linear, 'quadratic': y_quad, 'cubic': y_cubic, 'spline': y_spline, 'pchip': y_pchip, 'akima': y_akima, 'ffill': y_ffill, 'bfill': y_bfill, } for name, y_pred in methods.items(): print(f'{name:>10}: {rmse(y_pred, y[miss]):.4f}')

6.2 九种方法补出来的差别能有多大

运行这段代码，你会看到几个特别典型的现象。

缺口里的那个尖峰是一个“大坑”。尖峰本质上是局部极短时间内的强信号，它被整段挖掉之后，无论哪种插值方法都不可能凭两侧数据精准复原它。三次样条会把缺口中间拱成一个大鼓包，形状很像尖峰但高度明显不足；PCHIP会更克制地隆起一个小丘；Akima介于两者之间。这件事是插值的天花板：它能根据趋势做合理延续，但它不能无中生有地恢复缺失信息。

ffill和bfill在突变场景下表现最差。缺测区之前的尖峰被前向填充“平铺”了过去，导致整段缺失区都保持尖峰前的水平；后向填充则把缺口之后的下降趋势提前平移了回来，形成一段假信号。RMSE一看就很高。

在线性和样条之间，你会看到剧烈反差。线性插值虽然RMSE可能不低，但它足够老实，不会制造新的假峰；三次样条RMSE可能最低或者居中，但它在边界处的“甩尾”动作在图形上非常扎眼。这提醒我们看插值结果不能只看误差数值，一定要画图看曲线形态。

6.3 结果怎么读：误差、震荡与边界效应

我把这份测试数据上的表现整理成一张定性表，给个参考方向：

记住这份表不是万能结论，它受数据形态影响很大。如果你的数据是平缓正弦波，三次样条的RMSE大概率全场最低；如果数据是台阶阶跃，PCHIP或Akima的形态优势会碾压三次样条。所以更合理的姿态是把这份表当参考，跑通流程后，在自己的数据上做一次小实验再定最终方案。

7. 避坑手册：我踩过的六个坑

7.1 外推翻车：边界之外千万别放飞

插值解决的是数据范围内部的问题，但很多工具默认支持外推，比如CubicSpline自动对边界外延拓。你一旦不小心把目标点范围超出已知点范围，三次样条可能直接给出一串天文数字。我见过有人补边界外的一点温度，结果样条外推出几千度，直接把下游报警系统触发。

解法很简单：严格限制目标点在已知范围内；非要外推，用线性外推配上物理上下限裁剪，别让样条自由发挥。

7.2 用“行号”当x轴，时间间隔直接失真

这是新手最常犯的错。数据清洗时删掉了几行，DataFrame的索引变得不连续，然后直接拿行号当x坐标做插值。后果是本来不等间隔的时间戳，被插值当成完全均匀的采样点，中间引入方向性偏差。

正确做法是永远用真实时间戳或者真实物理坐标作为x轴。如果用的是pandas时间序列，建议先把索引转成数值型秒数再做插值，补完再转回时间类型。

7.3 对噪声数据直接上样条，曲线张牙舞爪

样条对局部数据形状极其敏感，如果已知点本身有高频噪声，插值会把噪声当作真实形状进行放大，补出来的曲线四处抖动。很多人以为插值和滤波是一回事，实际上插值是“尊重每个点”，不是“滤掉噪声”。

解法是先对已知数据进行平滑，比如滑动平均、Savitzky-Golay滤波，再插值；或者改用对噪声不那么敏感的线性插值/PCHIP。我自己补振动传感器数据时，总是先滤波再插值，不然样条会在缺测区边缘造出让人怀疑人生的振荡。

7.4 插出物理上不可能的数值

补湿度超过100%，补功率出现负值，补浓度跌破0，这些我都见过。插值算法根本不管你的物理量有什么含义，它只做数学操作。三次样条在边界或跳跃处产生的过冲，很容易突破物理量程。

两个办法：一是插值后强制clip到物理合理区间，比如湿度补完统一clip到[0,100]；二是如果数据单调性明显，直接上PCHIP，它能把过冲控制在已知值范围附近，从源头上减少荒唐值。

7.5 只盯着RMSE，错失曲线形态问题

用合成数据做验证时，大家喜欢比RMSE，但RMSE低不等于插值合理。线性插值在缺失尖峰数据时，RMSE可能反而低，因为它补出来的中间值恰好“靠近”缺失区域的均值；可你要的是趋势、是形态、是局部特征，不是均值。只比一个数字会选出平庸方案。

所以每次插值对比我都要画图，至少看三样东西：缺口内部的曲线形状、边界处是否平滑连续、是否产生假峰假谷。形态对了再谈误差。

7.6 把插补值当成实测值，后续模型跟着受害

插值补出来的数据，哪怕方法再高级，本质也是估计，不是测量。如果你把插补值和真实测量值混在一起训模型、做统计，模型会把这些估计当成硬事实，误差被系统性忽略。

我现在的习惯是给插值结果加一列标记字段，is_imputed为True/False，下游分析若对精度敏感就排除或者加权。缺测比例大的数据，千万别假装它没有缺过。

最后再唠叨两句

用下来的感受，插值这活儿，方法和工具都不是瓶颈，瓶颈是你对自己数据的理解。先搞清楚缺测有没有物理意义，再判断是填、是插还是直接不补，最后才轮得到选算法。我个人的习惯是：默认线性，谨慎样条，怕过冲就PCHIP，要扛突变选Akima，实时系统无脑ffill。别指望一种方法打通所有场景，手上的数据什么性格，你就配什么针法。补完之后，一定画图看一眼，再决定要不要上线。