Pandas的插值方法

fillna 函数

---

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

fillna 函数将用指定的值（value）或方式（method）填充 NA/NaN 等空值缺失值。

value

用于填充的值，可以是数值、字典、Series 对象 或 DataFrame 对象。

method

当没有指定 value 参数时，可以该参数的内置方式填充缺失值，可选项有 {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}，默认值为 None；backfill 和 bfill 用下一个非缺失值填充该缺失值，pad 和 ffill 用前一个非缺失值去填充该缺失值。该参数通常和 axis 一起使用，值得注意的是，method 参数不能与 value 同时出现。

axis

指定填充维度，具体指行维度或列维度，也可以理解为指定填充的方向，可选值有整数 0 或 1，也可以是字符串，选项有 'index' 或 'columns'，0 等同于 'index' 表示行维度，1 等同于 'columns' 表示列维度。

inplace

是否修改原对象的值，True 表示修改，默认是 False，表示创建一个副本，修改副本，原对象不变。

limit

指定填充的个数上限，默认为 None，即不限制。

pandas线性插值

---

DataFrame.interpolate(method=‘linear’, axis=0, limit=None, inplace=False, limit_direction=None, limit_area=None, downcast=None, **kwargs)

method ： str，默认为‘linear’使用插值方法。
可用的插值方法：
‘linear’：忽略索引，线性等距插值。这是MultiIndexes支持的唯一方法。
‘time’: 在以天或者更高频率的数据上插入给定的时间间隔长度数据。
‘index’, ‘values’: 使用索引的实际数值。
‘pad’：使用现有值填写NaN。
‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘spline’, ‘barycentric’, ‘polynomial’: 传递给 scipy.interpolate.interp1d。这些方法使用索引的数值。‘polynomial’ 和 ‘spline’ 都要求您还指定一个顺序（int），例如 ，df.interpolate(method=‘polynomial’, order=5)
‘krogh’，‘piecewise_polynomial’，‘spline’，‘pchip’，‘akima’：包括类似名称的SciPy插值方法。
‘from_derivatives’：指 scipy.interpolate.BPoly.from_derivatives，它替换了scipy 0.18中的’piecewise_polynomial’插值方法。

axis ： {0或’index’，1或’columns’，None}，默认为None；沿轴进行interpolate。

limit： int；要填充的连续NaN的最大数量。必须大于0。

inplace ： bool，默认为False；如果可以，更新现有数据。

limit_direction ： {‘forward’，‘backward’，‘both’}，默认为’forward’；如果指定了限制，则将沿该方向填充连续的NaN。

limit_area ： {None, ‘inside’, ‘outside’}, 默认为None；如果指定了限制，则连续的NaN将填充此限制。
None：无填充限制。
‘inside’：仅填充有效值包围的NaN。
‘outside’: 仅在有效值之外填充NaN。