Pandas函数interpolate的使用

interpolate函数方法的使用

函数介绍

interpolate是一个插值函数，用插值方法填充 NaN 值

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

参数

• method ： str，默认为‘linear’
  可选方法：
  ‘linear’ - 忽略索引，并将值等距地对待
  ‘pad’ - 使用现有值填写NaN
  ‘index’, ‘values’ - 使用索引的实际数值
  ‘time’ - 处理每日和更高分辨率的数据
  …
• axis ： {0或’index’，1或’columns’，None}，默认为None
  沿轴进行interpolate
• limit ： 整数，可选
  要填充的连续NaN的最大数量，必须大于0
• inplace ： bool，默认为False
  更新数据
• 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

---

使用示例

import pandas as pd
data = {"grammer":["Python", "C", "Java", "Go", np.NaN, "SQL", "PHP", "Python"],
	    "popularity":[1.0, 2.0, np.NaN, 4.0, 5.0, 6.0, np.NaN, 10.0]}
df = pd.DataFrame(data)
df

	grammer	popularity
0	Python	1.0
1	C	2.0
2	Java	NaN
3	GO	4.0
4	NaN	5.0
5	SQL	6.0
6	PHP	NaN
7	Python	10.0

1.线性等距插值，即popularity列中空值用上下值的平均值填充

df['popularity'] = df['popularity'].fillna(df['popularity'].interpolate())
df

	grammer	popularity
0	Python	1.0
1	C	2.0
2	Java	3.0
3	Go	4.0
4	NaN	5.0
5	SQL	6.0
6	PHP	8.0
7	Python	10.0

2.连续插值，即选用前一个值来填充

df['popularity'] = df['popularity'].fillna(df['popularity'].interpolate(method="pad"))
df

	grammer	popularity
0	Python	1.0
1	C	2.0
2	Java	2.0
3	Go	4.0
4	NaN	5.0
5	SQL	6.0
6	PHP	6.0
7	Python	10.0

interpolate函数官方参考链接