拉格朗日插值

拉格朗日插值基函数：

$$l_i(x) = \dfrac{(x-x_0)...(x-x_{i-1})(x-x_{i+1})...(x-x_n)}{(x_i-x_0)...(x_i-x_{i-1})(x_i-x_{i+1})...(x_i-x_n)}$$
拉格朗日差值函数：
$$L_n(x)=\sum_{i=0}^ny_il_i(x)$$
其中，x为缺失值对应的下表序号， $L_n(x)$为缺失值的插值结果， $x_i$为缺失值 $y_i$的下表序号。对全部缺失值依次进行插补，直到不存在缺失值为止。数据插补代码如下：

#-*- 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 = 'F:/python学习/chapter6/test/data/missing_data.xls' #输入数据路径,需要使用Excel格式；
outputfile = 'F:/python学习/chapter6/test/tmp/missing_data_processed.xls' #输出数据路径,需要使用Excel格式

data = pd.read_excel(inputfile, header=None) #读入数据

#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[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[i][j] = ployinterp_column(data[i], j)

data.to_excel(outputfile, header=None, index=False) #输出结果