python 数据挖掘（5）-- 拉格朗日插值法

当数据缺失时，我们通常需要填补缺失数据，这里介绍拉格朗日插值法。根据数学知识可以知道，对于平面上已知的 n 个点，可以找到一个 n-1 次多项式，使得多项式经过这 n 个点

将 n 个点的坐标（x1,y1）,（x2,y2）... （xn,yn）代入多项式函数，得

解出拉格朗日插值多项式为：

即

用拉格朗日插值法处理日销售额数据 catering_sale.xls 如下

#-*- coding:utf-8 -*-
import pandas as pd
# 导入拉格朗日插值函数
from scipy.interpolate import lagrange

# 日销售数据
inputfile = 'wajue/catering_sale.xls'
# 输出数据路径
outputfile = 'wajue/sales.xls'

data = pd.read_excel(inputfile)
# 过滤数据,将异常值设成 None
data[u"销量"][(data[u"销量"] < 400) | (data[u"销量"] > 5000)] = None

# 自定义列向量插值函数
def ployinterp_column(s,n,k = 5):
    # 取前后 k 个数的索引
    y = s[list(range(n-k,n)) + list(range(n+1,n+1+k))]
    y = y[y.notnull()] # 剔除空值
    # 返回这 2k 个数据的拉格朗日多项式函数 在 n 的值
    return lagrange(y.index,list(y))(n)

# 逐个判断是否需要插值    
for i in data.columns:
    for j in range(len(data)):
        if (data[i].isnull())[j]: # 如果为空则插值
            data[i][j] = ployinterp_column(data[i],j)
            
data.to_excel(outputfile) # 保存结果