您的代码没有问题，可能是scipy中的bug。我已经在github上报告过了

如果其他人在这个问题上犯了错：
事实证明，手动计算双线性插值比scipy的RegularGridInterpolator快 * 10倍。当我说“手动”时，我的意思是：
1.从传递给RegularGridInterpolator的相同points（假设x_vals长度为N，y_vals长度为M）和values（假设z_grid形状为NxM）数组开始。
1.给定你想要的坐标（比如x,y），使用np.searchsorted()找到最近的四个点的索引（如果x_vals/y_vals是 * 递增 * --如果其中一个是 * 递减 *，这会自动工作，见下面的代码）。
1.使用标准公式计算双线性插值，我使用Raymond Hettinger's code。
下面是我自己的实现中的一个稍微修改的摘录：

# since `x_vals` and `y_vals` are decreasing rather than increasing, we do some trickery on top of `np.searchsorted()` to get the desired indices.
i_x = x_vals.shape[0] - np.searchsorted(np.flip(x_vals), x)
i_y = y_vals.shape[0] - np.searchsorted(np.flip(y_vals), y)

points = (
    (
        x_vals[i_x - 1],
        y_vals[i_y - 1],
        z_grid[i_x - 1, i_y - 1]
    ),
    (
        x_vals[i_x],
        y_vals[i_y - 1],
        z_grid[i_x, i_y - 1]
    ),
    (
        x_vals[i_x - 1],
        y_vals[i_y],
        z_grid[i_x - 1, i_y]
    ),
    (
        x_vals[i_x],
        y_vals[i_y],
        z_grid[i_x, i_y]
    )
)

'''here's an option with list comprehension
points = [
    (
        x_vals[i_x-1+i],
        y_vals[i_y-1+j],
        z_grid[i_x-1+i, i_y-1+j]
    )
    for i, j in [(i, j) for i in range(2) for j in range(2)]
]
'''

return bilinear_interpolation(x, y, points) # see https://stackoverflow.com/a/8662355/22122546

字符串
就像我之前说的，从我自己的测试来看，这比RegularGridInterpolator快了大约10倍。我不知道为什么scipy没有在文档中提供一个警告，我已经浪费了几个小时在这个lol上。但至少有一个干净的解决方案：>
保重！