Python Pandas DataFrame interpolate方法用法及代码示例

例子

基本用法

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,np.nan,5,6],"B":[1,5,np.nan,9],"C":[1,5,np.nan,np.nan]})
df



   A    B    C
0  3.0  1.0  1.0
1  NaN  5.0  5.0
2  5.0  NaN  NaN
3  6.0  9.0  NaN

使用线性插值填充NaN：

df.interpolate()      # method="linear"



   A    B    C
0  3.0  1.0  1.0
1  4.0  5.0  5.0
2  5.0  7.0  5.0
3  6.0  9.0  5.0

请注意 C 列中的两个 NaN 是如何使用前向填充(默认)来填充的，因为没有上限就无法执行线性插值。

逐行插值

要按行插值，请传入 axis=1，如下所示：

df.interpolate(axis=1)



   A    B    C
0  3.0  1.0  1.0
1  NaN  5.0  5.0
2  5.0  5.0  5.0
3  6.0  9.0  9.0

使用 method=index 进行插值

考虑以下DataFrame

df = pd.DataFrame({"B":[5,np.nan,9]}, index=[5,10,30])
df



    B
5   5.0
10  NaN
30  9.0

执行简单的线性插值产生：

df.interpolate()   # method="linear"



    B
5   5.0
10  7.0
30  9.0

在这里，我们得到 7 作为插值，因为下限和上限 ( 4 ) 之间的差异被分为 2 个 equally-distanced 间隔。

相反，使用 method="index" 进行插值会得到：

df.interpolate(method="index")



    B
5   5.0
10  5.8
30  9.0

这里，下限和上限之间的差(4) 不是除以间隔数，而是除以指标值的差异(30-5=25)。所以，我们最终得到5.8因为：

(4/25 * 5) + 5 = 5.8

使用 method=time 进行插值

考虑以下带有 DatetimeIndex 的 DataFrame ：

index_date = pd.to_datetime(["2020-12-01", "2020-12-02", "2020-12-15", "2020-12-31"])
df = pd.DataFrame({"A":[1,np.nan,np.nan,31]}, index=index_date)
df



            A
2020-12-01  1.0
2020-12-02  NaN
2020-12-15  NaN
2020-12-31  31.0

如果我们对 df 执行线性插值：

df.interpolate()



            A
2020-12-01  1.0
2020-12-02  11.0
2020-12-15  21.0
2020-12-31  31.0

这里，不考虑索引 - 下限是 1 ，上限是 31 ，并且差值均匀分布在 3 个间隔中。

要考虑 DatatimeIndex ，请传入 method="time" ：

df.interpolate(method="time")



            A
2020-12-01  1.0
2020-12-02  2.0
2020-12-15  15.0
2020-12-31  31.0

在这里，界限仍然相同 - 下限是 1 ，上限是 31 。我们不是将差值 30 除以间隔数，而是将差值除以时间长度，在本例中为 30 天。这就是为什么，例如，对于第 15 天，我们会看到 15 的插值。

指定限制方向

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[np.nan,np.nan,5], "B":[5,np.nan,9], "C":[5,np.nan,np.nan]})
df



   A    B    C
0  NaN  5.0  5.0
1  NaN  NaN  NaN
2  5.0  9.0  NaN

默认情况下， limit_direction="forward" ，这意味着我们使用之前的非 NaN 值来填充 NaN ：

df.interpolate()   # limit_direction="forward"



   A    B    C
0  NaN  5.0  5.0
1  NaN  7.0  5.0
2  5.0  9.0  5.0

要使用下一个非 NaN 值来填充 NaN ，请传入 limit_direction="backward" ：

df.interpolate(limit_direction="backward")



   A    B    C
0  5.0  5.0  5.0
1  5.0  7.0  NaN
2  5.0  9.0  NaN

请注意，对于 forward 和 backward ，当没有上一个/下一个非 NaN 值时，我们仍然可能得到 NaN 值。我们可以通过设置 limit_direction="both" 来防止这种情况，这确保如果前一个非 NaN 值不可用，则将使用下一个非值，反之亦然：

df.interpolate(limit_direction="both")



   A    B    C
0  5.0  5.0  5.0
1  5.0  7.0  5.0
2  5.0  9.0  5.0

向下转换生成的DataFrame

默认情况下， downcast=None ，这意味着如果可以将列类型转换为更具体的类型，则甚至不会执行转换。

例如，考虑以下 DataFrame：

df = pd.DataFrame({"A":[np.nan,5], "B":[5,np.nan]})
df



   A     B
0  NaN  5.0
1  5.0  NaN

执行插值产生：

df.interpolate()   # downcast=None



   A    B
0  NaN  5.0
1  5.0  5.0

检查生成的 DataFrame 的列类型：

df.interpolate().dtypes



A    float64
B    float64
dtype: object

在这种情况下，可以使用更具体的类型，即 int ，作为 B 的列类型。要执行此向下转换，请设置 downcast="infer" ：

df.interpolate(downcast="infer").dtypes



A    float64
B      int64
dtype: object