pandas.Panel4D.interpolate

Panel4D.interpolate(method='linear', axis=0, limit=None, inplace=False, limit_direction='forward', downcast=None, **kwargs)

Интерполяция значений в соответствии с различными методами.

Обратите внимание, что только method='linear' поддерживаются для DataFrames/Series с MultiIndex.

Параметры:

method : {‘linear’, ‘time’, ‘index’, ‘values’, ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘krogh’, ‘polynomial’, ‘spline’, ‘piecewise_polynomial’, ‘from_derivatives’, ‘pchip’, ‘akima’} ‘linear’: игнорирует индекс и обрабатывает значения как равноотстоящие. Это единственный метод, поддерживаемый для MultiIndexes. По умолчанию ‘time’: интерполяция работает с данными с ежедневной и более высокой разрешающей способностью для интерполяции заданной длины интервала ‘index’, ‘values’: используются фактические числовые значения индекса ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘polynomial’ передаются в scipy.interpolate.interp1d. Как ‘polynomial’, так и ‘spline’ требуют также указания order (целое число), например df.interpolate(method=’polynomial’, order=4). Эти методы используют фактические числовые значения индекса. ‘krogh’, ‘piecewise_polynomial’, ‘spline’, ‘pchip’ и ‘akima’ — это обертки вокруг методов интерполяции scipy с аналогичными именами. Эти методы используют фактические числовые значения индекса. См. документацию scipy для получения дополнительной информации о их поведении здесь # noqa и здесь # noqa ‘from_derivatives’ относится к BPoly.from_derivatives, который заменяет метод интерполяции ‘piecewise_polynomial’ в scipy 0.18 Новое в версии 0.18.1: Добавлена поддержка метода ‘akima’. Добавлен метод интерполяции ‘from_derivatives’, который заменяет ‘piecewise_polynomial’ в scipy 0.18; обратная совместимость со scipy < 0.18 axis : {0, 1}, по умолчанию 0 0: заполнение столбца за столбцом 1: заполнение строки за строкой limit : целое число, по умолчанию None. Максимальное количество последовательных пропущенных значений для заполнения. limit_direction : {‘forward’, ‘backward’, ‘both’}, по умолчанию ‘forward’ Если limit указан, последовательные пропущенные значения будут заполнены в этом направлении. Новое в версии 0.17.0. inplace : bool, по умолчанию False Обновление NDFrame на месте, если возможно. downcast : необязательно, ‘infer’ или None, по умолчанию None Приведение типов, если возможно. kwargs : ключевые аргументы для передачи в функцию интерполяции.

Возвращаемое значение:

Series или DataFrame такой же формы, интерполированные в пропущенных значениях

См. также

reindex, replace, fillna

Примеры

Заполнение пропущенных значений

>>> s = pd.Series([0, 1, np.nan, 3])
>>> s.interpolate()
0    0
1    1
2    2
3    3
dtype: float64