pandas教程:[25]插值法填补缺失值
使用插值法可以计算缺岳赎祝浦失值的估计值,所谓的插值法就是通过两点(x0,y0),(x1,y1)估计中间点的值,假设y=f(x)是一条直线,通过已知的两点来计算函数f烫喇霰嘴(x),然后只要知道x就能求出y,以此方法来估计缺失值。当然我们也可以假设f(x)不是直线,二是其他函数。![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/bab5c45872dade4975a1a6e226042e6816e9d501.jpg)
引入相关模块并创建一个数据框![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/ac45306817e951e1145675e25e3da824d9e9cf01.jpg) 数据框的内容为:
数据框的内容为:![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/d47cb624d8e9ccd29bc87ced0e40102a05e2c901.jpg) ‘
‘
使用插值法估计缺失值![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/50189b40102a04e21b0c17f62b7aa010bd33c201.jpg) 输出结果为:
输出结果为:![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/3b03be7aa010bc33c696190f92efa25f0d143f06.jpg)
我们可以计算一下缺失值实际上上前一个值和后一个值得平均数,因为interpolate()假设函数是直线形式
假如index是数字,我们还可以根据数字来进行插值,用到参数method='values'![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/35fa07efa25f0c14edd5ff360d89a146b6b13806.jpg) 比较一下插值的结果与上一个结果的不同之处这时候索引的数值实际上就是用于估计y的x值
比较一下插值的结果与上一个结果的不同之处这时候索引的数值实际上就是用于估计y的x值![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/c33acc828689a146841fc34df4bd4c7c35b33406.jpg)
同样道理,如果index是时间,我们可以用method=time来达到同样的效果![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/b6f0f0f97fbd4c7c031d11f5b8bad341027d3006.jpg) 输出结果为:
输出结果为:![pandas教程:[25]插值法填补缺失值](https://exp-picture.cdn.bcebos.com/3d002dbad341037ddd99e4c2a9bc7dc5ce672d06.jpg)