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 рассматривает значения как равноудаленные. 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’: используется фактическое числовое значение 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’ – это обертки над методами интерполяции scipy с аналогичными именами. Они используют фактические числовые значения индекса. Для получения дополнительной информации о их поведении, см. документацию scipy и документацию по руководству ‘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’. Добавление метода интерполяции ‘from_derivatives’, который заменяет ‘piecewise_polynomial’ в scipy 0.18; совместимость с версиями scipy < 0.18 axis : {0, 1}, default 0 0: заполнение по столбцам 1: заполнение по строкам limit : int, default None. Максимальное количество последовательных пропусков (NaN) для заполнения. Должно быть больше 0. limit_direction : {‘forward’, ‘backward’, ‘both’}, default ‘forward’ Если limit указан, последовательные пропуски будут заполнены в этом направлении. Новое в версии 0.17.0. inplace : bool, default False Обновить NDFrame на месте, если это возможно. downcast : optional, ‘infer’ or None, defaults to None При необходимости выполнить приведение типов. kwargs : ключевые параметры для передачи интерполирующей функции.

Возвращает:

Series или DataFrame той же формы, интерполированные в пропуски (NaN)

См. также

reindex, replace, fillna

Примеры

Заполнение пропусков (NaN)

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