#!/usr/bin/env python
# -*- coding:utf-8 -*-
#拉格朗日插值代码
import pandas as pd #导入数据分析库Pandas
from scipy.interpolate import lagrange #导入拉格朗日插值函数
inputfile = 'E:/catering_sale.xls'
outputfile = 'E:/sales.xls'
data = pd.read_excel(inputfile) #读入数据
#print(data.isnull().sum())#检测数据中有多少个NAN
#data.fillna(None)#将NAN替换成None
#异常值索引
row_index = ((data['销量'] < 400) | (data['销量'] > 5000))
#过滤异常值,将其变为空值
data.loc[row_index, '销量'] = None
#防止出现pandas SettingWithCopyWarning
pd.options.mode.chained_assignment = 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):
y = s.loc[s.index.intersection(list(range(n - k, n)) + list(range(n + 1, n + 1 + k)))] # 取数
y = y[y.notnull()] # 剔除空值
return lagrange(y.index, list(y))(n) # 插值并返回插值结果
#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]:#如果为空即插值
data.loc[j,i] = ployinterp_column(data[i], j)
data.to_excel(outputfile) #输出结果,写入文件