pandas.Series.interpolate

Series.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' поддерживается 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 равномерно распределённые. Это единственный метод, поддерживаемый для MultiIndexes. Значение по умолчанию ‘time’: интерполяция работает с данными с ежедневным и более высоким разрешением для интерполяции заданной длины интервала ‘index’, ‘values’: использовать фактические числовые значения индекса ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘polynomial’ передаётся в scipy.interpolate.interp1d. Оба ‘polynomial’ и ‘spline’ требуют также указания order (целое число), например, df.interpolate(method=’polynomial’, order=4). Они используют фактические числовые значения индекса. ‘krogh’, ‘piecewise_polynomial’, ‘spline’, ‘pchip’ и ‘akima’ — все являются обёртками вокруг методов интерполяции scipy с аналогичными названиями. Они используют фактические числовые значения индекса. См. документацию scipy для получения более подробной информации о их работе здесь # noqa и здесь # noqa ‘from_derivatives’ относится к BPoly.from_derivatives, который заменяет метод интерполяции ‘piecewise_polynomial’ в scipy 0.18 Введено в версии 0.18.1: Добавлена поддержка метода ‘akima’ Добавлена функция интерполяции ‘from_derivatives’, которая заменяет ‘piecewise_polynomial’ в scipy 0.18; обратная совместимость со scipy < 0.18 axis : {0, 1}, по умолчанию 0 0: заполнение столбцов по столбцам 1: заполнение строк по строкам limit : целое число, по умолчанию None. Максимальное количество последовательных пропусков (NaN) для заполнения. limit_direction : {‘forward’, ‘backward’, ‘both’}, по умолчанию ‘forward’ Если задано limit, последовательные пропуски (NaN) будут заполнены в этом направлении. Введено в версии 0.17.0. inplace : bool, по умолчанию False Обновить NDFrame на месте, если это возможно. downcast : необязательно, ‘infer’ или None, по умолчанию None Преобразование типов данных, если это возможно. kwargs : ключевые аргументы для передачи в функцию интерполяции.

Возвращаемое значение:

Series или DataFrame той же формы, интерполированные в NaN

См. также

reindex, replace, fillna

Примеры

Заполнение NaN

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