API · Pandas
Pandas DataFrame DataFrame.interpolate()函数
DataFrame interpolate()函数使用插值技术填充 DataFrame 中的 NaN 值。
本页内容
Python Pandas 的 DataFrame.interpolate() 会沿选定轴,根据相邻值估算缺失值。当缺口两侧有可用值时,它可以填补中间的缺失值;如果数据提供的信息不足,某些值仍可能缺失。(NaN)
pandas.DataFrame.interpolate() 的语法和参数
该方法的一般调用形式如下:
DataFrame.interpolate(method="linear", axis=0, limit=None, inplace=False, limit_direction="forward", limit_area=None, **kwargs)
示例使用小型数值 DataFrame,你可以根据自己的数据调整输入。
| 参数 | 控制内容 |
|---|---|
method |
插值方式。本文介绍默认的 linear 方法和 time;你安装的 pandas 版本支持哪些选项,请查阅 pandas API 文档。 |
axis |
插值方向:0 表示在每列中沿行向下处理,1 表示在每行中跨列处理。 |
limit |
每个缺口中最多填补多少个连续的缺失值。 |
limit_direction |
设置 limit 后,可选择从缺口开头("forward")、末尾("backward")或两端("both")开始填补。 |
inplace |
若为 True,则修改原始 DataFrame。默认值为 False。 |
limit_area |
设置 limit 时,可选的填补范围限制。本文的示例未使用此参数。 |
**kwargs |
所选插值方法接受的其他关键字参数。其含义取决于所选方法。 |
使用默认方法插值填补缺失值
默认的 method="linear" 会将选定轴上的位置视为等距,并据此估算数值。在示例中,10 和 30 之间的缺失值会估算为 20;末尾的缺失值则通过向前延续最后一个已知值填为 30.0。
运行此示例:
import pandas as pd
df = pd.DataFrame({"temperature": [10.0, None, 30.0, None]})
result = df.interpolate()
print(result)
temperature
0 10.0
1 20.0
2 30.0
3 30.0
当缺失值应根据附近观测值估算时,可以使用插值。pandas.DataFrame.fillna() 则会用指定值或其他指定的填补策略替换缺失值。应采用哪种操作,取决于数据和任务。
选择插值方法
对于行位置等距的普通数值测量数据,可以使用默认的 method。对于以时间为索引的 DataFrame,method="time" 会根据索引表示的时间间隔估算数值。当观测时间间隔不均匀时,这种方法很有用。下面的时间插值示例展示了所需的索引形式。
可用方法及其要求可能因 pandas 版本而异。选择其他方法或传入特定于方法的关键字参数之前,请查阅你所用版本的 API 文档。
选择插值轴
默认的 axis=0 会逐列向下填补。设置 axis=1 可在每行中跨列填补。例如,使用 axis=1 时,一行中位于 10 和 30 之间的缺失值会估算为 20。如果某行没有任何已知值,插值便无从估算,该行的值会保持缺失。
import pandas as pd
df = pd.DataFrame(
{"morning": [10.0, None], "afternoon": [None, None], "evening": [30.0, None]},
dtype="float64",
)
print(df.interpolate(axis=1))
morning afternoon evening
0 10.0 20.0 30.0
1 NaN NaN NaN
显式指定数值 dtype 也能让全为缺失值的列保持数值类型,因此可以成功执行跨行插值。在这个 axis=1 示例中,线性间距由列的位置决定,而非列名。
限制连续缺失值的数量并设置填补方向
设置 limit,即可限制 pandas 在每个缺口中填补的连续缺失值数量。limit_direction 则控制达到此上限时的填补方向。对于 0 和 40 之间含有三个值的缺口,使用 limit=1 并向前填补时,会从上方填入第一个缺失位置;向后填补时,则会从下方填入最后一个缺失位置。其他缺失位置仍会保持缺失。
import pandas as pd
df = pd.DataFrame({"reading": [0.0, None, None, None, 40.0]})
print("Forward:")
print(df.interpolate(limit=1, limit_direction="forward"))
print("Backward:")
print(df.interpolate(limit=1, limit_direction="backward"))
Forward:
reading
0 0.0
1 10.0
2 NaN
3 NaN
4 40.0
Backward:
reading
0 0.0
1 NaN
2 NaN
3 30.0
4 40.0
适合从两端填补时,可使用 limit_direction="both"。如果缺口长度超过 limit,请检查填补后的数据。
对时间索引数据进行插值
进行时间插值时,请使用 DatetimeIndex,让日期和经过的时间成为索引值,而不是普通列中的字符串。1 月 2 日在 1 月 1 日到 1 月 4 日的时间跨度中占三分之一。因此,插值结果也位于 10 到 30 之间的三分之一处,即 16.666667。
import pandas as pd
index = pd.to_datetime(["2024-01-01", "2024-01-02", "2024-01-04"])
df = pd.DataFrame({"value": [10.0, None, 30.0]}, index=index)
print(df.interpolate(method="time"))
value
2024-01-01 10.000000
2024-01-02 16.666667
2024-01-04 30.000000
使用时间插值时,请保留日期时间索引;将日期转换为普通文本列,无法提供该方法所需的时间间隔。
返回值和原地修改行为
默认情况下,DataFrame.interpolate() 会返回包含插值结果的新 DataFrame,原对象保持不变。使用 inplace=True 时,它会修改原始 DataFrame 并返回 None;因此,只有使用默认行为时才应将结果赋值给变量。
import pandas as pd
df = pd.DataFrame({"reading": [1.0, None, 3.0]})
result = df.interpolate(inplace=True)
print(result)
print(df)
reading
0 1.0
1 2.0
2 3.0
reading
0 1.0
1 2.0
2 3.0
第一个打印值是 None;第二个是修改后的 DataFrame。