Pandas-函数

插值函数interpolate

DataFrame.interpolate(method=‘linear’, axis=0, limit=None, inplace=False, limit_direction=None, limit_area=None, downcast=None, **kwargs)
method ： str，默认为‘linear’使用插值方法。
可用的插值方法：
‘linear’：忽略索引，线性等距插值。这是MultiIndexes支持的唯一方法。
‘time’: 在以天或者更高频率的数据上插入给定的时间间隔长度数据。
‘index’, ‘values’: 使用索引的实际数值。
‘pad’：使用现有值填写NaN。
‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘spline’, ‘barycentric’, ‘polynomial’: 传递给 scipy.interpolate.interp1d。这些方法使用索引的数值。‘polynomial’ 和 ‘spline’ 都要求您还指定一个顺序（int），例如 ，df.interpolate(method=‘polynomial’, order=5)
‘krogh’，‘piecewise_polynomial’，‘spline’，‘pchip’，‘akima’：包括类似名称的SciPy插值方法。
‘from_derivatives’：指 scipy.interpolate.BPoly.from_derivatives，它替换了scipy 0.18中的’piecewise_polynomial’插值方法。

axis ： {0或’index’，1或’columns’，None}，默认为None；沿轴进行interpolate。

limit： int；要填充的连续NaN的最大数量。必须大于0。

inplace ： bool，默认为False；如果可以，更新现有数据。

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。

limit_area ： {None, ‘inside’, ‘outside’}, 默认为None；如果指定了限制，则连续的NaN将填充此限制。
None：无填充限制。
‘inside’：仅填充有效值包围的NaN。
‘outside’: 仅在有效值之外填充NaN。

loc与iloc

首先：loc是location的意思，和iloc中i的意思是指integer，所以它只接受整数作为参数
loc为Selection by Label函数，即为按标签取数据，标签是什么，就是上面的’0’~‘4’, ‘A’~‘B’

iloc函数为Selection by Position，即按位置选择数据，即第n行，第n列数据，只接受整型参数
记住，0:2为左闭右开区间，即取0，1，如下图：