无缺失数据的Pandas数据帧插值

Question

当pandas中没有丢失数据时，我如何进行插值？我的原创

​

​

我想要的输出：

​

​

Answer 1

您可以尝试使用索引，然后进行插值：

df.reindex(np.linspace(0, len(df)-1, 2*len(df)-1))\
    .reset_index(drop=True) \
    .apply(lambda x: x.interpolate('linear'))

说明：

有两个主要步骤:每2行插入一个NaN行，然后进行插值。

1. 创建一个新列表，我们将使用该列表作为索引。它必须从第一个df索引开始，在最后一个df索引结束，并且值差距为0.5 (当前df索引差距的一半)。一个简单的解决方案是使用numpy.linspace

np.linspace(0, len(df)-1, 2*len(df)-1)

1. 使用reindex创建索引步骤1.

使用reset_index.重置索引

1. (可选)

后跟interpolate的

1. 使用apply对所有列应用插值

代码+过滤

# import module
import pandas as pd
import numpy as np

# create dataframe
df = pd.DataFrame({'a': [4.18483, 4.15276, 4.13156, 4.1169], 'b': [99.90139, 98.91539, 97.9294, 96.9434]})

# Step 1
print(np.linspace(0, len(df)-1, 2*len(df)-1))
# [0.  0.5 1.  1.5 2.  2.5 3. ]

# Step 2
print(df.reindex(np.linspace(0, len(df)-1, 2*len(df)-1)))
#            a         b
# 0.0  4.18483  99.90139
# 0.5      NaN       NaN
# 1.0  4.15276  98.91539
# 1.5      NaN       NaN
# 2.0  4.13156  97.92940
# 2.5      NaN       NaN
# 3.0  4.11690  96.94340

# Step 3
print(df.reindex(np.linspace(0, len(df)-1, 2*len(df)-1))
      .reset_index(drop=True))
#          a         b
# 0  4.18483  99.90139
# 1      NaN       NaN
# 2  4.15276  98.91539
# 3      NaN       NaN
# 4  4.13156  97.92940
# 5      NaN       NaN
# 6  4.11690  96.94340

# Step 4
print(df.reindex(np.linspace(0, len(df)-1, 2*len(df)-1))
      .reset_index(drop=True)
      .apply(lambda x: x.interpolate('linear')))
#           a          b
# 0  4.184830  99.901390
# 1  4.168795  99.408390
# 2  4.152760  98.915390
# 3  4.142160  98.422395
# 4  4.131560  97.929400
# 5  4.124230  97.436400
# 6  4.116900  96.943400