pandas.DataFrame.interpolate

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

Заполнение значений NaN с использованием метода интерполяции.

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

Параметры:

method:строка, по умолчанию ‘linear’

Метод интерполяции. Один из:

• ‘linear’: Игнорирует индекс и обрабатывает значения как равноотстоящие. Это единственный метод, поддерживаемый для MultiIndex.

• ‘time’: Работает с данными с ежедневной и более высокой разрешающей способностью для интерполяции заданной длины интервала.

• ‘index’, ‘values’: использовать фактические числовые значения индекса.

• ‘pad’: Заполнение NaN существующими значениями.

• ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘barycentric’, ‘polynomial’: Передается в scipy.interpolate.interp1d, в то время как ‘spline’ передается в scipy.interpolate.UnivariateSpline. Эти методы используют числовые значения индекса. И ‘polynomial’, и ‘spline’ требуют также указать order (целое число), например df.interpolate(method='polynomial', order=5). Обратите внимание, что метод slinear в Pandas относится к сплайну первого порядка spline из SciPy, а не к сплайну первого порядка из Pandas.

• ‘krogh’, ‘piecewise_polynomial’, ‘spline’, ‘pchip’, ‘akima’, ‘cubicspline’: Обертки над методами интерполяции SciPy с аналогичными именами. См. Примечания.

• ‘from_derivatives’: Относится к scipy.interpolate.BPoly.from_derivatives.

axis:{{0 или ‘index’, 1 или ‘columns’, None}}, по умолчанию None

Ось, по которой выполняется интерполяция. Для Series этот параметр не используется и по умолчанию равен 0.

limit:целое число, необязательно

Максимальное количество последовательных NaN, которые необходимо заполнить. Должно быть больше 0.

inplace:булево значение, по умолчанию False

Обновить данные на месте, если это возможно.

limit_direction:{{‘forward’, ‘backward’, ‘both’}}, необязательно

Последовательные NaN будут заполняться в этом направлении.

Если limit задан:

• Если ‘method’ равен ‘pad’ или ‘ffill’, ‘limit_direction’ должен быть ‘forward’.

• Если ‘method’ равен ‘backfill’ или ‘bfill’, ‘limit_direction’ должен быть ‘backward’.

Если ‘limit’ не задан:

• Если ‘method’ равен ‘backfill’ или ‘bfill’, значение по умолчанию — ‘backward’

• в противном случае значение по умолчанию — ‘forward’

вызовет ValueError, если limit_direction равен ‘forward’ или ‘both’ и

method равен ‘backfill’ или ‘bfill’.

вызовет ValueError, если limit_direction равен ‘backward’ или ‘both’ и

method равен ‘pad’ или ‘ffill’.

limit_area:{{None, ‘inside’, ‘outside’}}, по умолчанию None

Если limit задан, последовательные NaN будут заполнены с этим ограничением.

• None: Без ограничений на заполнение.

• ‘inside’: Заполнение только NaN, окруженных допустимыми значениями (интерполяция).

• ‘outside’: Заполнение только NaN вне допустимых значений (экстраполяция).

downcast:необязательно, ‘infer’ или None, по умолчанию None

Приведение типов данных (downcast) при возможности.

Устарело начиная с версии 2.1.0.

``**kwargs``:необязательно

Ключевые параметры для передачи в функцию интерполяции.

Возвращаемое значение:

Series или DataFrame или None

Возвращает объект того же типа, что и вызывающий объект, интерполированный в некоторых или всех NaN значениях или None, если inplace=True.

См. также

fillna

Заполнение пропущенных значений различными методами.

scipy.interpolate.Akima1DInterpolator

Кубические сплайны с кусочно-непрерывными полиномами (интерполятор Акимы).

scipy.interpolate.BPoly.from_derivatives

Кусочно-полиномиальные функции в базисе Бернштейна.

scipy.interpolate.interp1d

Интерполяция одномерной функции.

scipy.interpolate.KroghInterpolator

Интерполяция полинома (интерполятор Крога).

scipy.interpolate.PchipInterpolator

Монотонная кубическая интерполяция PCHIP.

scipy.interpolate.CubicSpline

Интерполятор кубических сплайнов.

Примечания

Методы ‘krogh’, ‘piecewise_polynomial’, ‘spline’, ‘pchip’ и ‘akima’ являются обертками над соответствующими реализациями SciPy с аналогичными именами. Они используют фактические числовые значения индекса. Для получения дополнительной информации о их поведении см. документацию SciPy.

Примеры

Заполнение NaN в Series с помощью линейной интерполяции.

>>> s = pd.Series([0, 1, np.nan, 3])
>>> s
0    0.0
1    1.0
2    NaN
3    3.0
dtype: float64
>>> s.interpolate()
0    0.0
1    1.0
2    2.0
3    3.0
dtype: float64

Заполнение NaN в Series с помощью полиномиальной интерполяции или сплайнов: методы ‘polynomial’ и ‘spline’ требуют также указать order (целое число).

>>> s = pd.Series([0, 2, np.nan, 8])
>>> s.interpolate(method='polynomial', order=2)
0    0.000000
1    2.000000
2    4.666667
3    8.000000
dtype: float64

Заполните DataFrame вперед (то есть вниз) по каждому столбцу с помощью линейной интерполяции.

Обратите внимание, как последняя запись в столбце ‘a’ интерполируется по-другому, потому что после нее нет записи, которую можно использовать для интерполяции. Обратите внимание, как первая запись в столбце ‘b’ остается NaN, потому что перед ней нет записи, которую можно использовать для интерполяции.

>>> df = pd.DataFrame([(0.0, np.nan, -1.0, 1.0),
...                    (np.nan, 2.0, np.nan, np.nan),
...                    (2.0, 3.0, np.nan, 9.0),
...                    (np.nan, 4.0, -4.0, 16.0)],
...                   columns=list('abcd'))
>>> df
     a    b    c     d
0  0.0  NaN -1.0   1.0
1  NaN  2.0  NaN   NaN
2  2.0  3.0  NaN   9.0
3  NaN  4.0 -4.0  16.0
>>> df.interpolate(method='linear', limit_direction='forward', axis=0)
     a    b    c     d
0  0.0  NaN -1.0   1.0
1  1.0  2.0 -2.0   5.0
2  2.0  3.0 -3.0   9.0
3  2.0  4.0 -4.0  16.0

Использование полиномиальной интерполяции.

>>> df['d'].interpolate(method='polynomial', order=2)
0     1.0
1     4.0
2     9.0
3    16.0
Name: d, dtype: float64