【无标题】

data1[['品牌标签','仓库标签']].corr(method='pearson')

data1['品牌标签'].corr(data1['仓库标签'])#对data1中的数值型数据计算相似度

data1['品牌标签'].equals(data1['仓库标签'])#对于类别型的数据计算

import pandas as pd

data=pd.read_excel(r'文件路径')

data

k = 5

for i in data.colums:

for i in range(len(data)):

if (data[i].isnull())[j]:

print('缺失值所在列：',i)

print('缺失值所在行索引所在位置：',j)

print(data[i].reindex(llist(range(j-k,j))+list(range(j+1,j+1+k))))#获取前后k个值

k = 5

for i in data.colums:

for i in range(len(data)):

if (data[i].isnull())[j]:

y = data[i].reindex(llist(range(j-k,j))+list(range(j+1,j+1+k)))

y = y[y.notnull()]#删除控制

print(y)

from scipy.interpolate import lagrange #使用拉格朗日函数

k = 5

for i in data.colums:

for j in range(len(data)):

if (data[i].isnull())[j]:

y = data[i].reindex(llist(range(j-k,j))+list(range(j+1,j+1+k)))

y = y[y.notnull()]#删除控制

print(lagrange(y.index,list(y))) #打印出插值函数

print(lagrange(y.index,list(y))(j)) #打印出缺失值的销售额

#封装后

from scipy.interpolate import lagrange #使用拉格朗日函数

def inter(da,n,k=5):

y = data[i].reindex(llist(range(j-k,j))+list(range(j+1,j+1+k)))

y = y[y.notnull()]#删除控制

return lagrange(y.index,list(y))(n)

for i in data.columns:

for j in range(len(data)):

if (data[i].isnull())[j]:

sales = inter(data[i],j)

print(sales) #效果同上