使用scipy.interpolate.interp1d可以传入（1080,4）nd.array并在单个命令中为每个'row'计算插值函数：
spline = interp1d(np.arange(1,5), np.random.random(1080,4), kind='cubic')
我得到的插值结果略有不同（关节），而不是现有的Fortran代码。我相信这是因为SciPy源使用的是b样条，Fortran代码使用的是从数字配方中派生的样条。
我正在尝试使用带有s=0的UnivariateSpline执行相同的插值，因此InterpolatedUnivariateSpline。
如果我逐行传递数据，即使用迭代器遍历所有1080行，我能够正常工作 - 这是非常低效的。
使用：
spline = UnivariateSpline(np.arange(1,5).reshape(-1,1), np.random.random(1080,4), s=0, k=3)
我看到了：
failed in converting 2nd argument `y' of dfitpack.fpcurf0 to C/Fortran array
我相信这是将多维数组放入Fitpack的问题？有关如何避免迭代器的任何见解？此外，任何与数字配方（section 3.3, p.120）中描述的SciPy插值函数匹配的洞察 - 您必须键入页码，我不能直接链接，它是Flash查看器...
在较早版本的SciPy中（我在0.14中观察到），interp1d返回的样条质量相对较差。在0.19及更高版本中，interp1d与其他样条例程一致，并且由于它接受向量输入，我认为这回答了问题。下面是三个样条构造函数的比较：后两个只占一行作为输入。
from scipy.interpolate import interp1d, UnivariateSpline, splrep, splev
x = np.arange(1, 5)
y = np.random.normal(size=(1080, 4))
spl1 = interp1d(x, y, kind='cubic')
spl2 = UnivariateSpline(x, y[123, :], s=0, k=3)
spl3 = splrep(x, y[123, :], s=0, k=3)
t = 2.345
print(spl1(t)[123], spl2(t), splev(t, spl3))
这打印（随机数字）
-0.333973049011 -0.333973049011 -0.333973049011