在 Python 中使用插值来填充缺失的条目

插值是 Python 中的一种技术，可用于估计两个已知数据点之间的未知数据点。它通常用于使用已知值填充表或数据集中的缺失值。

插值是一种也用于图像处理的技术。扩展图像时，您可以使用相邻像素来估计新像素的像素值。

金融分析师还使用插值法，利用过去的已知数据点来预测金融未来。

在本教程中，我们将研究插值法来填充数据集中的缺失值。

Pandas Dataframe提供了.interpolate() 方法，您可以使用它来填充数据中缺失的条目。

让我们创建一些虚拟数据并看看插值是如何工作的。

对系列数据中的缺失值使用插值

让我们创建一个带有缺失值的Pandas系列。

1. 线性插值

正如您所看到的，第二个索引的值为nan。使用以下代码行对数据进行插值：

输出结果为。:

Pandas 提供了多种插值方法。如果未指定任何内容，则线性插值是默认方法。

让我们尝试对相同数据进行另一种插值。

2. 多项式插值

多项式插值要求您指定阶数。让我们尝试使用阶数 2 进行插值。

输出如下：

如果在多项式插值中将阶数指定为 1，那么您将获得与线性插值相同的输出。这是因为 1 阶多项式是线性的。

输出 ：

2.通过padding进行插值

通过填充进行插值意味着复制缺失条目之前的值。

使用填充插值时，您需要指定一个限制。该限制是该方法可以连续填充的最大 nan 数。

让我们看看它在 python 中是如何工作的。

我们得到的输出为：

缺失的条目将被替换为与之前的条目相同的值。

我们将限制指定为 2，让我们看看连续三个 nan 时会发生什么。

输出如下：

第三个 nan 保持不变。

Pandas DataFrame 中的插值

我们还可以使用插值来填充 pandas Dataframe 中的缺失值。

让我们创建一个虚拟 DataFrame 并对其应用插值。

1. 使用 Pandas Dataframe 进行线性插值

要在数据帧上应用线性插值，请使用以下代码行：

输出 ：

这里b 列下的第一个值仍然是 nan，因为在它之前没有已知的数据点用于插值。

您还可以插入数据帧的各个列。

输出 ：

2.通过Padding进行插值

要应用填充方法，请使用以下代码行：

我们得到的输出为：

结论

本教程是关于 Python 中的插值。我们主要关注使用 Pandas 进行插值来填充缺失数据。希望您和我们一起插值愉快！