数据挖掘中拉格朗日插值法常见的问题（数组越界）

前几天想用拉格朗日插入法处理excel缺失的数据的时候，就去查看了一下拉格朗日插值法的详细代码，不管是在《Python数据分析与挖掘实战》一书，还是网上的其他的博客都是这样的代码

#利用拉格朗日插值法填充数据
import pandas as pd
from scipy.interpolate import lagrange
inputfile='E:/catering_sale.xls'
outputfile='E:/sale.xls'
data=pd.read_excel(inputfile)
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
#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
def ployinterp_column(s,n,k=5):
    #取数
    y=s[list(range(n-k,n))+list(range(n+1,n+1+k))]
    #剔除空值
    y=y[y.notnull()]
    #返回拉格朗日函数结果
    return lagrange(y.index,list(y))(n)
 
#逐个元素判断是否需要插值
for i in data.columns:
    for j in range(len(data)):
        if(data[i].isnull())[j]:
            data[i][j]=ployinterp_column(data[i],j)

 

对于缺失的数据前后都有5个数据的话，上述代码是能执行的，但是如果对于缺失的数据前后不足5个，就会报如下的错误

 

  本人寻思许久，在朋友的帮助下，对代码进行改良如下

#求数据的长度
size = len(data)
#自定义列向量插值函数
#s为列向量，n为被插值的位置，k为取前后的数据的个数，默认为5
def ployinterp_column(s,n,k=2):
    #确定取数上下界
    if n<k:
        base=0
        top=n+1+k
    elif n>=(size-k):
        base = n-k
        top = size-1
    else:
        base = n-k
        top = n+1+k
    y = s[list(range(base,n))+list(range(n+1,top))]  #取数
    y = y[y.notnull()]  #剔除空值
    return lagrange(y.index,list(y))(n)    #插值并返回

#逐个元素判断是否需要插值
for i in data.columns:
    for j in range(len(data)):
        if(data[i].isnull())[j]:  #如果为空值即插值
            data[i][j] = ployinterp_column(data[i],j)

  在获取前后数据之前进行判断，保证所取的数据不会越界，这样不管缺失值在哪个位置都能成功通过拉格朗日插入法进行插入