Python pandas 数据帧：使用数据帧数据进行插值而不更新它。只需获取插值。答案

【问题标题】：Python pandas dataframe: interpolation using dataframe data without updating it. Just get the interpolated value.Python pandas 数据帧：使用数据帧数据进行插值而不更新它。只需获取插值。
【发布时间】：2016-04-23 16:00:39
【问题描述】：

我对 Python pandas 库还很陌生，在其他帖子中找不到我的问题的答案。我有一个看起来像这样的数据框。日期是索引名称，系列是列名称。

>>> MyDataframe
             Serie1  Serie2  Serie3  Serie4  Serie5 
2011-04-30      92      96     NaN     NaN     NaN  
2011-05-31     164     168      12     16      NaN
2011-06-30     238     242      90     20      88
2011-07-31     322     326     169     120     167

我想在这个数据帧中执行一维线性插值，但不修改数据帧，我只想得到结果。例如，我想确定 Serie2 在 2011-06-10 日期的值是多少。函数DataFrame.interpolate() 和Series.interpolate() 似乎仅用于用插值数据替换NaN。

是否有可以执行以下操作的功能：

Result = MyDataFrame['Serie2'].interpolate('2011-06-10')

它只会返回 168 到 242 之间的线性插值。

提前感谢您的支持！

【问题讨论】：

标签： python pandas interpolation

【解决方案1】：

interpolate 使用现有索引进行插值，因此您必须 reindex df 然后调用 interpolate：

In [48]:
df.reindex(pd.date_range(df.index[0], df.index[-1])).interpolate().loc['2011-06-10']

Out[48]:
Serie1    188.666667
Serie2    192.666667
Serie3     38.000000
Serie4     17.333333
Serie5           NaN
Name: 2011-06-10 00:00:00, dtype: float64

完成后，您可以选择特定的日期和列：

In [49]:
df.reindex(pd.date_range(df.index[0], df.index[-1])).interpolate().loc['2011-06-10']['Serie2']

Out[49]:
192.66666666666666

在这里，我使用date_range 使用索引中的第一个和最后一个值生成一个新的datetimeindex。

在您范围内的现有索引值之间进行插值会更有效。

我们可以使用get_slice_bound找到索引值的下限：

In [70]:
start = df.index.get_slice_bound('2011-06-10', side='right', kind=None)

df.reindex(pd.date_range(df.index[start-1], df.index[start])).interpolate().loc['2011-06-10']['Serie2']
Out[70]:
192.66666666666666

【讨论】：