使用三次样条插值在Pandas中对时间序列进行插值

Question

我想使用三次样条函数填充DataFrame中的列中的空白项。如果我导出到列表，那么我可以使用numpy的interp1d函数并将其应用于缺失值。

是否有一种方法在pandas中使用这个函数？

- user1911866

---

我很惊讶你这么快就接受了答案（不是针对你，Hayden ;) 因为我认为你特别想要插值时间序列，但我猜你并不是指pandas.TimeSeries。我目前也对这些话题非常感兴趣。请参见https://dev59.com/zGzXa4cB1Zd3GeqPRTzH#yXoGoYgBc1ULPQZFipzv - K.-Michael Aye

Answer 1

大多数numpy/scipy函数只需要参数是“array_like”，iterp1d也不例外。幸运的是，Series和DataFrame都是“array_like”，因此我们无需离开pandas：

import pandas as pd
import numpy as np
from scipy.interpolate import interp1d

df = pd.DataFrame([np.arange(1, 6), [1, 8, 27, np.nan, 125]]).T

In [5]: df
Out[5]: 
   0    1
0  1    1
1  2    8
2  3   27
3  4  NaN
4  5  125

df2 = df.dropna() # interpolate on the non nan
f = interp1d(df2[0], df2[1], kind='cubic')
#f(4) == array(63.9999999999992)

df[1] = df[0].apply(f)

In [10]: df
Out[10]: 
   0    1
0  1    1
1  2    8
2  3   27
3  4   64
4  5  125

注意：我无法立即想出一个示例将DataFrame传递到第二个参数（y）中...但这也应该可以工作。

- Andy Hayden

---

啊哈。我明白了。如果你在interp1d函数中的X值是数据框索引值，你会怎么做？ - user1911866

你可以设置 x = df.index，然后 pd.Series(f(x), index=x)。 :) - Andy Hayden

好的，谢谢你的帮助！还有一件事我希望能得到帮助。我有多列数据都包含NaN数据。所以df.dropna()会删除太多行。你如何只对一个列（即“data1”）应用它？ - user1911866

@user1911866 .dropna(subset=list_of_cols_to_drop)（请参见此处） - Andy Hayden

我很高兴自己想出了与Hayden建议完全相同的方法：1.删除缺失值，2.使用x = df.index，3.创建一个pd.Series(f(x), index=x)。我想我终于看到我的pandas技能在增长了.. ;) - K.-Michael Aye

再次感谢大家。我尝试了这个方法，但是使用interp1d时出现了错误“TypeError: array cannot be safely cast to required type”，我认为这是因为interp1d被传递了日期时间的x值和浮点数的y值。有没有关于如何在Interp1d函数中使用日期时间的想法？ - user1911866