Python Pandas DataFrame interpolate方法用法及代碼示例

例子

基本用法

考慮以下 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

使用線性插值填充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

請注意 C 列中的兩個 NaN 是如何使用前向填充(默認)來填充的，因為沒有上限就無法執行線性插值。

逐行插值

要按行插值，請傳入 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 進行插值

考慮以下DataFrame

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



    B
5   5.0
10  NaN
30  9.0

執行簡單的線性插值產生：

df.interpolate()   # method="linear"



    B
5   5.0
10  7.0
30  9.0

在這裏，我們得到 7 作為插值，因為下限和上限 ( 4 ) 之間的差異被分為 2 個 equally-distanced 間隔。

相反，使用 method="index" 進行插值會得到：

df.interpolate(method="index")



    B
5   5.0
10  5.8
30  9.0

這裏，下限和上限之間的差(4) 不是除以間隔數，而是除以指標值的差異(30-5=25)。所以，我們最終得到5.8因為：

(4/25 * 5) + 5 = 5.8

使用 method=time 進行插值

考慮以下帶有 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

如果我們對 df 執行線性插值：

df.interpolate()



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

這裏，不考慮索引 - 下限是 1 ，上限是 31 ，並且差值均勻分布在 3 個間隔中。

要考慮 DatatimeIndex ，請傳入 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

在這裏，界限仍然相同 - 下限是 1 ，上限是 31 。我們不是將差值 30 除以間隔數，而是將差值除以時間長度，在本例中為 30 天。這就是為什麽，例如，對於第 15 天，我們會看到 15 的插值。

指定限製方向

考慮以下 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

默認情況下， limit_direction="forward" ，這意味著我們使用之前的非 NaN 值來填充 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

要使用下一個非 NaN 值來填充 NaN ，請傳入 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

請注意，對於 forward 和 backward ，當沒有上一個/下一個非 NaN 值時，我們仍然可能得到 NaN 值。我們可以通過設置 limit_direction="both" 來防止這種情況，這確保如果前一個非 NaN 值不可用，則將使用下一個非值，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

向下轉換生成的DataFrame

默認情況下， downcast=None ，這意味著如果可以將列類型轉換為更具體的類型，則甚至不會執行轉換。

例如，考慮以下 DataFrame：

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



   A     B
0  NaN  5.0
1  5.0  NaN

執行插值產生：

df.interpolate()   # downcast=None



   A    B
0  NaN  5.0
1  5.0  5.0

檢查生成的 DataFrame 的列類型：

df.interpolate().dtypes



A    float64
B    float64
dtype: object

在這種情況下，可以使用更具體的類型，即 int ，作為 B 的列類型。要執行此向下轉換，請設置 downcast="infer" ：

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



A    float64
B      int64
dtype: object