缺失值插入方法——interpolate()

DataFrame对象的interpolate()方法用来计算插值结果并填充缺失值，其完整语法如下：

interpolate(method:'str' = 'linear',axis:'Axis' = 0,
            limit:'int | None' = None,inplace:'bool' = False,
            limit_direction:'str | None' = None,
            limit_area:'str | None' = None,
            downcast:'str | None' = None,**kwargs)

1.interpolate()方法参数详解

(1）method: 'str' = 'linear'
        A：含义：指定插值方法。默认是 'linear'（线性插值），其他可选方法包括 'nearest', 'zero', 'slinear', 'quadratic', 'cubic', 'spline', 'barycentric' 等。
        B：linear: 线性插值，使用线性函数连接两个点。线性插值虽然计算简单且易于实现，但它假设数据点之间的变化是均匀的，这在实际应用中可能并不总是成立。在数据变化较为复杂或需要较高插值精度的情况下，可能需要考虑使用更高级的插值方法，如多项式插值、样条插值等。
        C:nearest:使用最近的非缺失值进行插值。如果左侧和右侧都有非缺失值，将随机选择一个方向。
        D:zero:零阶保持插值，等价于最近邻插值，但此方法在处理时间序列时，更明确地表示为保持最近值不变。
        E:slinear:简化线性插值。使用分段线性函数来连接数据点。
        F:quadratic:二次插值。使用二次多项式函数来近似数据点之间的关系。适用于数据点平滑变化的场景。
        G:cubic:三次插值。使用三次多项式函数连接数据点，适用于需要更高阶平滑度的场景。
        H:spline:样条插值，具体类型如 'spline', 'b-spline', 'krogh' 等。样条插值通常指定阶数，如 spline(n)，其中 n 是插值多项式的阶数，最常见的是 spline(3)，即三次样条插值。样条插值可以提供高阶连续性和平滑度。
I:barycentric:基于拉格朗日多项式的插值方法，通过计算权重来确定插值点的值。这种方法的计算复杂度随数据点数量线性增长。

(2)axis: 'Axis' = 0
        含义：指定插值的轴。0 或 'index' 表示按行插值，1 或 'columns' 表示按列插值。

(3)limit: 'int | None' = None
        含义：限制连续插值的最大次数。如果缺失值连续超过此限制，将不被插值。

(4)inplace: 'bool' = False
        含义：是否在原地修改 DataFrame。如果为 True，则不会返回新的 DataFrame，而是直接修改原 DataFrame。

(5)limit_direction: 'str | None' = None
        含义：指定插值的方向。可选 'forward', 'backward' 或 None。如果为 'forward'，则使用前方非空值插值；如果为 'backward'，则使用后方非空值插值。

(6)limit_area: 'str | None' = None
        含义：限制插值的区域。可选 'inside', 'outside', 或 None。'inside' 只对内部缺失值进行插值，'outside' 只对边界缺失值进行插值。

(7)downcast: 'str | None' = None
        含义：指定是否以及如何减少数据类型。例如，从 float64 减少到 float32。

(8)**kwargs
        含义：额外的参数，具体取决于插值方法。例如，'spline' 方法接受 'order' 参数来指定样条的阶数。

2.代码示例

import pandas as pd
import numpy as np

dft = pd.DataFrame([(0.0,np.nan,-1.0,1.0),
                   (np.nan,2.0,np.nan,np.nan),
                   (2.0,3.0,np.nan,9.0),
                   (np.nan,4.0,-4.0,16.0)],
                  columns=list('abcd'))
dft

#线性插值正向或前向填充
dft.interpolate(method='linear',limit_direction='forward',axis=0)

代码运行结果分析（插值过程解释）：
（1）列 'a':
        1）行1的缺失值使用行0的值插值，因为行0到行1是线性插值，所以行1的'a'值为 0.0 + (2.0 - 0.0) / 2 = 1.0。
        2）行3的缺失值使用行2的值插值，因为前向插值，所以行3的'a'值为 2.0（直接使用行2的值）。

（2）列 'b':
        由于所有的非缺失值都是连续的，所以不存在插值需求。

（3）列 'c':
        1）行1的缺失值使用行0的值插值，线性插值计算为 -1.0 + (-3.0 + (-1.0)) / 2 = -2.0。
        2）行2的缺失值使用行1的插值结果 -2.0 进行插值，计算为 -2.0 + (-4.0 + (-2.0)) / 2 = -3.0。

（4）列 'd':
        行1的缺失值使用行0的值插值，线性插值计算为 1.0 + (9.0 - 1.0) / 2 = 5.0。

#线性插值反向填充
dft.interpolate(method='linear',limit_direction='backward',axis=0)

代码运行结果分析（插值过程解释）：
（1）列 'a':
        1）行1的缺失值使用行2的值 2.0 插值。
        2）行3的缺失值在后方没有非空值，因此保持为 NaN。

（2）列 'b':
        行0的缺失值使用行1的值 2.0 插值。

（3）列 'c':
        1）行1的缺失值使用行2的值 -3.0 和行0的值 -1.0 进行线性插值，计算结果为 -2.0。
        2）行2的缺失值使用行3的值 -4.0 和行1的插值结果 -2.0 进行线性插值，计算结果为 -3.0。

（4）列 'd':
        行1的缺失值使用行2的值 9.0 和行0的值 1.0 进行线性插值，计算结果为 5.0。

#二次多项式插值
dft['d'].interpolate(method='polynomial',order=2)

代码运行结果分析（插值过程解释）：
        在 dft['d'] 列中，只有行1的值是缺失的（NaN）。使用 method='polynomial' 和 order=2（即二次多项式插值）来估计这个缺失值。二次多项式插值意味着找到一个函数 f(x) = ax^2 + bx + c 来拟合已知的点，并用它来估计缺失值。

1.已知点
x=0 时，f(0) = 1.0。
x=2 时，f(2) = 9.0。
x=3 时，f(3) = 16.0。

2.插值计算
为了找到合适的多项式，我们通过解方程组来确定 a, b, 和 c 的值。这些方程由已知点给出：

（1）c = 1.0
（2）4a + 2b + c = 9.0
（3）9a + 3b + c = 16.0
从方程（1）直接得到 c 的值。然后，用 c 的值来解方程（2）和（3），找到 a 和 b。

3.解方程
从方程（2）：4a + 2b + 1.0 = 9.0，简化为 4a + 2b = 8.0。
从方程（3）：9a + 3b + 1.0 = 16.0，简化为 9a + 3b = 15.0。
通过解这个线性方程组，可以找到 a 和 b 的值。具体解法可以通过代入或消元法找到。但为了简化解释，直接给出多项式函数， f(x) = (x+1)^2。

4.插值结果
插值后，行1处（即 x=1）的值将由找到的多项式函数 f(x) 计算得到。对于 f(1)，可以得到 f(1) = (1+1)^2 = 2^2 = 4。

#前向填充2个缺失值
dft.interpolate(method='pad',limit=2)

代码运行结果分析（插值过程解释）：
        pad 方法（或 ffill）是向前填充，使用前一个非空值进行填充，直到达到 limit 的限制。
limit 参数限制了连续填充的次数，超过这个次数的缺失值将不被填充。
（1）列 'a'
        1）行1的缺失值被其上方的行0的值 0.0 填充。
        2）行3的缺失值不被填充，因为从行1到行3已经超过了 limit=2 的限制。

（2）列 'b'
        由于没有连续的缺失值，所以没有进行填充。

（3）列 'c'
        行1和行2的缺失值被其上方的行0的值 -1.0 填充，直到 limit=2 达到。

（4）列 'd'
        行1的缺失值被其上方的行0的值 1.0 填充。

#后向填充1个缺失值
dft.interpolate(method='bfill',limit=1)

代码运行结果分析（插值过程解释）：
        method='bfill'（或等效的 backfill）表示使用后一个非空值进行填充。
limit=1 表示最多填充连续的1个缺失值。
(1)列 'a'
        1)行1的缺失值被其下方的行2的值 2.0 填充。
        2)行3的缺失值不被填充，因为其后方没有非空值。

(2)列 'b'
        行0的缺失值被其下方的行1的值 2.0 填充。

(3)列 'c'
        1)行1的缺失值不被填充，因为 limit=1 限制了填充，且行2的 'c' 列也是缺失的。
        2)行2的缺失值被其下方的行3的值 -4.0 填充。

(4)列 'd'
        行1的缺失值被其下方的行2的值 9.0 填充。

#最近邻插值
dft.interpolate(method='nearest')

        interpolate(method='nearest') 是一个用于插值的方法，它使用最近邻插值算法来填充缺失值。在这个方法中，缺失值将被替换为最近的已知值。

dft = pd.DataFrame({'A':[1,2,np.nan,np.nan,np.nan,10],
                   'B':[5,8,12,np.nan,np.nan,30]},
                  index=pd.to_datetime(['202205241847','202205241947',
                                       '202205242200','202205251848',
                                       '202205261800','202205300000']))
dft

#线性插值填充缺失值
dft.interpolate(method='linear')

#按时间进行插值填充缺失值
dft.interpolate(method='time')

        method='time' 用于根据时间戳进行插值，它基于时间序列数据的时间差来进行线性插值。这种插值方法特别适用于具有时间序列索引的数据。

插值计算示例：