pandas.core.resample.Resampler.interpolate

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

Интерполирует значения в соответствии с различными методами.

Добавлена в версии 0.18.1.

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

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 ежедневной и более высокой частотой дискретизации для интерполяции заданного интервала ‘index’, ‘values’: использовать фактические числовые значения индекса ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘polynomial’ передается в scipy.interpolate.interp1d. И ‘polynomial’, 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. Для получения дополнительной информации об их поведении см. документацию scipy и инструкцию ‘from_derivatives’ относится к BPoly.from_derivatives, которая заменяет метод интерполяции ‘piecewise_polynomial’ в scipy 0.18 Добавлена 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 по столбцам 1: заполнение по строкам limit : int, по умолчанию None. Максимальное количество последовательных пропущенных значений для заполнения. Должно быть больше 0. limit_direction : {‘forward’, ‘backward’, ‘both’}, default ‘forward’ limit_area : {‘inside’, ‘outside’}, по умолчанию None None: (по умолчанию) ограничение заполнения не применяется ‘inside’ Заполнить только пропущенные значения, окруженные действительными значениями (интерполяция). ‘outside’ Заполнить только пропущенные значения, находящиеся за пределами действительных значений (экстраполяция). Если указано limit, последовательные пропущенные значения будут заполнены в этом направлении. Добавлена в версии 0.21.0. inplace : bool, по умолчанию False Обновить NDFrame на месте, если возможно. downcast : необязательно, ‘infer’ или None, по умолчанию None Преобразовать типы данных, если возможно. kwargs : keyword arguments to pass on to the interpolating function.

Возвращает:

Series или DataFrame такой же формы, интерполированные в NaN значения

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