pandas.Series.interpolate

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

Интерполяция значений по различным методам.

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 распределенные. Это единственный метод, поддерживаемый для MultiIndexes. По умолчанию ‘time’: интерполяция работает с данными с ежедневным и более высоким разрешением, чтобы интерполировать заданную длину интервала ‘index’, ‘values’: использует фактические числовые значения индекса ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘polynomial’ передаются в scipy.interpolate.interp1d. Как ‘polynomial’, так и ‘spline’ требуют также указать order (целое число), например df.interpolate(method=’polynomial’, order=4). Они используют фактические числовые значения индекса. ‘krogh’, ‘piecewise_polynomial’, ‘spline’, ‘pchip’ и ‘akima’ — это обертки над методами интерполяции scipy с аналогичными названиями. Они используют фактические числовые значения индекса. Более подробную информацию об их поведении см. в документации scipy и документации по руководству ‘from_derivatives’ относится к BPoly.from_derivatives, который заменяет метод интерполяции ‘piecewise_polynomial’ в scipy 0.18 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 столбца за столбцом 1: заполнение строки за строкой limit : целое число, по умолчанию None. Максимальное количество последовательных пропущенных значений для заполнения. Должно быть больше 0. limit_direction : {‘forward’, ‘backward’, ‘both’}, по умолчанию ‘forward’ Если limit указан, последовательные пропущенные значения будут заполнены в этом направлении. 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 Преобразовать типы данных, если это возможно. kwargs : ключевые аргументы для передачи функции интерполяции.

Возвращает:

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