数据清洗-拉格朗日插值

 代码源于: Python数据分析与挖掘实战

2015/2/21数据异常+2015/2/14数据缺失，通过拉格朗日插值法填加数据

代码如下：

# -*- coding: utf-8 -*-

import pandas as pd
from scipy.interpolate import lagrange    #导入拉格朗日插值函数

inputfile = '../data/catering_sale.xls'
outputfile = './sales.xls'

data = pd.read_excel(inputfile)
#print(data[u'销量'])     #取销量列
data[u'销量'][data[u'销量']>5000] = None    #过滤异常值，将其变为空值

#自定义列向量插值函数

def ployinterp_column(s, n, k=5):    #s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
    y = s[list(range(n-k, n))+list(range(n+1, n+1+k))]    #取前5个数与后5个数
    y = y[y.notnull()]    #剔除空值
    return lagrange(y.index, list(y))(n)    #插值并返回插值结果

#逐个元素判断是否需要插值

for i in data.columns:    #data.columns取列名‘日期’，‘销量’
    for j in range(len(data)):    #len(data)=201
        if(data[i].isnull())[j]:    #如果为空即插值
            data[i][j] = ployinterp_column(data[i], j)

data.to_excel(outputfile)    #输入结果，写入文件

插值后：