Python实现数据变频、线性插值

Excel没有数据变频的函数，但是用python pandas库可以简单实现，这里记录一下过程。

数据的变频可以使用pandas.resample()实现，具体见中文文档，非常给力！！比如，我有一个季度的时序数据，想增加频率，将其扩充为月度，那么resample可以把季度的日期变成月度的；比如，我想将季度数据降频，变成年度数据，也可以用resample实现。

增加频率+插值的一个例子

1. 原始数据及目的
下图是三个指标的月度数据，我的目的是变频为周度数据，中间的值用线性插值进行填充。

2. 读取数据并设置日期index

// An highlighted block
import pandas as pd
# 只读取了后三列数据，自定义设置index                                                     
df = pd.read_excel('./金价预测指标.xlsx',sheet_name = 1)
df.index = pd.period_range('06/02/2020',freq='M',periods=13) 

# output
Out[1]: 
          美元指数    利率  通胀指数
2020-06  97.483536  0.640  1.30
2020-07  97.436819  1.410  1.20
2020-08  97.380922  0.770  1.15
2020-09  97.325298  0.807  1.10
2020-10  97.278210  0.844  1.00
2020-11  97.228437  0.880  1.00
2020-12  97.177268  0.913  1.00
2021-01  97.093978  0.946  1.00
2021-02  97.040154  0.980  1.10
2021-03  96.993513  1.010  1.15
2021-04  96.936873  1.040  1.18
2021-05  96.889049  1.070  1.20
2021-06  96.831799  1.100  1.30

3. 变频
   可以看到，用resample增加频率，可以自动扩充日期，但是中间的值需要自己另行填充。

df = df.resample('W',convention='start').asfreq()

# output
Out[2]: 
                          美元指数  利率  通胀指数
2020-06-01/2020-06-07  97.483536  0.640  1.30
2020-06-08/2020-06-14        NaN    NaN   NaN
2020-06-15/2020-06-21        NaN    NaN   NaN
2020-06-22/2020-06-28        NaN    NaN   NaN
2020-06-29/2020-07-05  97.436819  1.410  1.20
2020-07-06/2020-07-12        NaN    NaN   NaN
2020-07-13/2020-07-19        NaN    NaN   NaN
2020-07-20/2020-07-26        NaN    NaN   NaN
2020-07-27/2020-08-02  97.380922  0.770  1.15
2020-08-03/2020-08-09        NaN    NaN   NaN
2020-08-10/2020-08-16        NaN    NaN   NaN
2020-08-17/2020-08-23        NaN    NaN   NaN
2020-08-24/2020-08-30        NaN    NaN   NaN
2020-08-31/2020-09-06  97.325298  0.807  1.10
2020-09-07