numpy.interp期望已知的x坐标（即第二个参数，即你的f）是单调递增的。
如documentation states：
预期X坐标序列增加，但这不是明确强制的。然而，如果序列xp是非递增的，则插值结果是无意义的。
r0（已知y坐标）是递增序列，而f（已知x坐标）是递减序列。
你应该可以通过反转r0得到你想要的结果（因此，f也被反转了）：

import numpy as np
r0 = np.linspace(215, 2, 1000)  # Reversed endpoints compared to original
f = 8.9*np.sqrt(4.8e9/(r0**14) + 3e8/(r0**6) + 1.4e6/(r0**2.3))
ds = np.array([3950, 1837, 1347, 900])
print(np.interp(ds, f, r0))

字符串
其给出：

[3.65932599 5.34470808 6.49802343 8.7453899 ]

型

我假设你是自愿从r0计算出f的，但随后使用interp从f类值计算出r0类值。换句话说，您正在尝试估计r0 → 8.9*np.sqrt(4.8e9/(r0**14) + 3e8/(r0**6) + 1.4e6/(r0**2.3))的逆函数。
问题是，interp假设x部分是升序排序的。就像大多数时候，当你np.interp(somevalues, np.linspace(0,1,100), func(np.linspace(0,1,100))
在这里，显然，你试图反转的函数是单调的（至少看起来是这样）和递减的。所以你的f是有序的，但是是降序的。
只要把两个数组都颠倒过来就行了

np.interp(ds, f[::-1], r0[::-1])

字符串