Pandas DataFrame DataFrame.interpolate() 함수

  1. pandas.DataFrame.interpolate()구문 :
  2. 예제 코드: DataFrame.interpolate()메서드를 사용하여DataFrame의 모든NaN 값 보간
  3. 예제 코드: method 매개 변수가있는DataFrame.interpolate()메서드
  4. 예제 코드: row 축을 따라 보간 할axis 매개 변수가있는 Pandas DataFrame.interpolate()메서드
  5. 예제 코드: limit 매개 변수가있는DataFrame.interpolate()메서드
  6. 예제 코드: limit_direction 매개 변수가있는DataFrame.interpolate()메서드
  7. DataFrame.interpolate()메서드를 사용하여 시계열 데이터 보간

Python Pandas DataFrame.interpolate() 함수는 DataFrame의 NaN값을 채 웁니다. 보간 기법을 사용합니다.

pandas.DataFrame.interpolate()구문 :

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

매개 변수

method linear,time,index,values,nearest,zero,slinear,quadratic,cubic,barycentric,krogh,polynomial,spline,piecewise_polynomial,from_derivatives,pchip,akima 또는None. NaN값을 보간하는 데 사용되는 방법입니다.
axis 행(axis=0) 또는 열(axis=1)을 따라 누락 된 값 보간
limit 정수. 보간 할 연속NaN의 최대 수입니다.
inplace 부울. True이면 호출자DataFrame을 제자리에서 수정합니다.
limit_direction forward, backward또는both. 제한이 지정되면NaN을 따라limit이 보간됩니다.
limit_area None, inside또는outside. limit이 지정된 경우 보간에 대한 제한
downcast 사전. 데이터 유형의 다운 캐스트를 지정합니다.
**kwargs 보간 함수에 대한 키워드 인수입니다.

반환

inplaceTrue이면 주어진method를 사용하여 모든NaN 값을 보간하는DataFrame; 그렇지 않으면 None.

예제 코드: DataFrame.interpolate()메서드를 사용하여DataFrame의 모든NaN 값 보간

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3, None, 3],
                   'Y': [4, None, 8, None, 3]})
print("DataFrame:")
print(df)

filled_df = df.interpolate()

print("Interploated DataFrame:")
print(filled_df)

산출:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Interploated DataFrame:
     X    Y
0  1.0  4.0
1  2.0  6.0
2  3.0  8.0
3  3.0  5.5
4  3.0  3.0

그것은linear 보간 방법을 사용하여DataFrame의 모든NaN 값을 보간합니다.

이 방법은 다음을 사용하는 pandas.DataFrame.fillna()에 비해 더 지능적입니다. DataFrame의 모든 NaN값을 대체하는 고정 값

예제 코드: method 매개 변수가있는DataFrame.interpolate()메서드

DataFrame.interpolate()함수에서method 매개 변수의 값을 설정하는 다른 보간 기법으로DataFrameNaN 값을 보간 할 수도 있습니다.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3, None, 3],
                   'Y': [4, None, 8, None, 3]})
print("DataFrame:")
print(df)

filled_df = df.interpolate(method='polynomial', order=2)

print("Interploated DataFrame:")
print(filled_df)

산출:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Interploated DataFrame:
          X      Y
0  1.000000  4.000
1  2.000000  7.125
2  3.000000  8.000
3  3.368421  6.625
4  3.000000  3.000

이 방법은 2 차 NaN보간 방법을 사용하여 DataFrame의 모든 NaN값을 보간합니다.

여기서 order = 2NaN함수의 키워드 인수입니다.

예제 코드: row 축을 따라 보간 할axis 매개 변수가있는 Pandas DataFrame.interpolate()메서드

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3, None, 3],
                   'Y': [4, None, 8, None, 3]})
print("DataFrame:")
print(df)

filled_df = df.interpolate(axis=1)

print("Interploated DataFrame:")
print(filled_df)

산출:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0
Interploated DataFrame:
     X    Y
0  1.0  4.0
1  2.0  2.0
2  3.0  8.0
3  NaN  NaN
4  3.0  3.0

여기서는axis=1을 설정하여 행 축을 따라NaN 값을 보간합니다. 두 번째 행에서 NaN값은 두 번째 행을 따라 선형 보간을 사용하여 대체됩니다.

단, 4 번째 행에서는 4 번째 행의 값이 모두 NaN이므로 보간 후에도 NaN값이 유지됩니다.

예제 코드: limit 매개 변수가있는DataFrame.interpolate()메서드

DataFrame.interpolate()메서드의limit 매개 변수는 메서드가 채울 연속NaN 값의 최대 개수를 제한합니다.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3, None, 3],
                   'Y': [4, None, None, None, 3]})
print("DataFrame:")
print(df)

filled_df = df.interpolate( limit = 1)

print("Interploated DataFrame:")
print(filled_df)

산출:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  NaN
3  NaN  NaN
4  3.0  3.0
Interploated DataFrame:
     X     Y
0  1.0  4.00
1  2.0  3.75
2  3.0   NaN
3  3.0   NaN
4  3.0  3.00

여기서 NaN이 상단부터 열에 채워지면 동일한 열의 다음 연속 NaN값은 변경되지 않습니다.

예제 코드: limit_direction 매개 변수가있는DataFrame.interpolate()메서드

DataFrame.interpolate()메서드의limit-direction 매개 변수는 값이 보간되는 특정 축을 따라 방향을 제어합니다.

import pandas as pd

df = pd.DataFrame({'X': [1, 2, 3, None, 3],
                   'Y': [4, None, None, None, 3]})
print("DataFrame:")
print(df)

filled_df = df.interpolate(limit_direction ='backward', limit = 1)

print("Interploated DataFrame:")
print(filled_df)

산출:

DataFrame:
     X    Y
0  1.0  4.0
1  2.0  NaN
2  3.0  NaN
3  NaN  NaN
4  3.0  3.0
Interploated DataFrame:
     X     Y
0  1.0  4.00
1  2.0   NaN
2  3.0   NaN
3  3.0  3.25
4  3.0  3.00

여기서 NaN이 맨 아래부터 열에 채워지면 동일한 열의 다음 연속 NaN값은 변경되지 않습니다.

DataFrame.interpolate()메서드를 사용하여 시계열 데이터 보간

import pandas as pd

dates=['April-10', 'April-11', 'April-12', 'April-13']
fruits=['Apple', 'Papaya', 'Banana', 'Mango']
prices=[3, None, 2, 4]

df = pd.DataFrame({'Date':dates ,
                   'Fruit':fruits ,
                   'Price': prices})

print(df)
df.interpolate(inplace=True)

print("Interploated DataFrame:")
print(df)

산출:

       Date   Fruit  Price
0  April-10   Apple    3.0
1  April-11  Papaya    NaN
2  April-12  Banana    2.0
3  April-13   Mango    4.0
Interploated DataFrame:
       Date   Fruit  Price
0  April-10   Apple    3.0
1  April-11  Papaya    2.5
2  April-12  Banana    2.0
3  April-13   Mango    4.0

inplace = True로 인해interpolate()함수를 호출 한 후 원래DataFrame이 수정됩니다.