pandas.Panel.interpolate

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

Интерполировать значения по разным 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’: игнорировать индекс и рассматривать значения как равномерно распределённые. 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’: использовать фактические числовые значения индекса ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘polynomial’ передаются в scipy.interpolate.interp1d. Как ‘polynomial’, так и ‘spline’ требуют, чтобы вы также указали 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 над методами интерполяции scipy с аналогичными именами. 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 Новое в версии 0.18.1: Добавлена поддержка метода ‘akima’ Добавлено 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 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) без ограничений на заполнение ‘inside’ Только заполнять пропущенные значения, окруженные допустимыми значениями (интерполяция). ‘outside’ Только заполнять пропущенные значения вне допустимых значений (экстраполяция). Если limit указан, последовательные пропущенные значения будут заполнены в этом направлении. Новое 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 той же формы, интерполированные в значениях 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