DataFrame.interpolate(self, method='linear', axis=0, limit=None, inplace=False, limit_direction='forward', limit_area=None, downcast=None, **kwargs) [source]
根据不同的方法插值。
请注意，只有method='linear'具有MultiIndex的DataFrame/Series支持。
参数： | method ： str，默认为 使用插值技术。之一： ‘linear’：忽略索引，并将值等距地对待。 这是MultiIndexes支持的唯一方法。 ‘time’: 处理每日和更高分辨率的数据， 以内插给定的时间间隔长度。 ‘index’, ‘values’: 使用索引的实际数值。 'pad'：使用现有值填写NaN。 ‘nearest’, ‘zero’, ‘slinear’, ‘quadratic’, ‘cubic’, ‘spline’, ‘barycentric’, ‘polynomial’: 传递给 这些方法使用索引的数值。 和 例如 ，
'krogh'，'piecewise_polynomial'，'spline'，'pchip'，'akima'： 环绕类似名称的SciPy插值方法。请参阅注释。 'from_derivatives'： 指 它替换了scipy 0.18中的 0.18.1版中的新功能：添加了对 添加了插值方法 该方法替换了SciPy 0.18中的 向后兼容， axis ： {0或'index'，1或'columns'，None}，默认为None 沿轴进行interpolate。 limit ： 整数，可选 要填充的连续NaN的最大数量。必须大于0。 inplace ： 尽可能更新数据。 limit_direction ： 默认为 如果指定了限制，则将沿该方向填充连续的NaN。 limit_area ： {None, ‘inside’, ‘outside’}, 默认为None 如果指定了限制，则连续的NaN将填充此限制。 None：无填充限制。 ‘inside’：仅填充有效值（interpolate）包围的NaN。 ‘outside’: 仅在有效值之外（extrapolate）填充NaN。 0.23.0版中的新功能。 downcast ： 可选， 如果可能，请向下转换dtype。 **kwargs 关键字参数传递给插值函数。 |
返回值： |
返回与调用方相同的对象类型， 并以部分或全部NaN值进行插值。 |
Notes
‘krogh’, ‘piecewise_polynomial’, ‘spline’, ‘pchip’ 和 ‘akima’ 方法是类似名称的相应SciPy实现的包装。这些使用索引的实际数值。有关其行为的更多信息，请参见 SciPy文档 和SciPy教程。
例子
填充NaN在Series通过线性内插
>>> s = pd.Series([0, 1, np.nan, 3])
>>> s
0 0.0
1 1.0
2 NaN
3 3.0
dtype: float64
>>> s.interpolate()
0 0.0
1 1.0
2 2.0
3 3.0
dtype: float64
在填补NaN了一系列的填充，却尽显最多两个连续NaN在同一时间
>>> s = pd.Series([np.nan, "single_one", np.nan,
... "fill_two_more", np.nan, np.nan, np.nan,
... 4.71, np.nan])
>>> s
0 NaN
1 single_one
2 NaN
3 fill_two_more
4 NaN
5 NaN
6 NaN
7 4.71
8 NaN
dtype: object
>>> s.interpolate(method='pad', limit=2)
0 NaN
1 single_one
2 single_one
3 fill_two_more
4 fill_two_more
5 fill_two_more
6 NaN
7 4.71
8 4.71
dtype: object
NaN通过多项式插值或样条曲线填充系列：'多项式'和'样条曲线'方法都要求您还指定order（int）
>>> s = pd.Series([0, 2, np.nan, 8])
>>> s.interpolate(method='polynomial', order=2)
0 0.000000
1 2.000000
2 4.666667
3 8.000000
dtype: float64
使用线性插值沿每列向前（即向下）填充DataFrame
请注意，如何对列“ a”中的最后一个条目进行不同的插值，因为在其后没有任何条目可用于插值。请注意，如何保留列'b'中的第一个条目NaN，因为在它之前没有条目可用于插值。
>>> df = pd.DataFrame([(0.0, np.nan, -1.0, 1.0),
... (np.nan, 2.0, np.nan, np.nan),
... (2.0, 3.0, np.nan, 9.0),
... (np.nan, 4.0, -4.0, 16.0)],
... columns=list('abcd'))
>>> df
a b c d
0 0.0 NaN -1.0 1.0
1 NaN 2.0 NaN NaN
2 2.0 3.0 NaN 9.0
3 NaN 4.0 -4.0 16.0
>>> df.interpolate(method='linear', limit_direction='forward', axis=0)
a b c d
0 0.0 NaN -1.0 1.0
1 1.0 2.0 -2.0 5.0
2 2.0 3.0 -3.0 9.0
3 2.0 4.0 -4.0 16.0
使用多项式插值
>>> df['d'].interpolate(method='polynomial', order=2)
0 1.0
1 4.0
2 9.0
3 16.0
Name: d, dtype: float64