Pandas 插值方法定义

如何解决Pandas 插值方法定义

在 pandas documentation 中，提供了许多方法作为 pandas.DataFrame.interpolate 的参数，包括

nearest'、'zero'、'slinear'、'quadratic'、'cubic'、'spline'、'barycentric'、'polynomial'：传递给 scipy.interpolate.interp1d。这些方法使用索引的数值。 “多项式”和“样条”都要求您还指定一个阶数 (int)，例如df.interpolate(method='polynomial',order=5).

'krogh'、'piecewise_polynomial'、'spline'、'pchip'、'akima'、'cubicspline'：围绕类似名称的 SciPy 插值方法的包装。见注释

但是，scipy documentation 表示以下选项：

kind str 或 int，可选将插值类型指定为字符串或整数，指定要使用的样条插值器的顺序。字符串必须是“linear”、“nearest”、“nearest-up”、“zero”、“slinear”、“quadratic”、“cubic”、“prevIoUs”或“next”之一。 “零”、“线性”、“二次”和“三次”是指零阶、一阶、二阶或三阶样条插值； “上一个”和“下一个”简单地返回该点的上一个或下一个值；在插入半整数（例如 0.5、1.5）时，“nearest-up”和“nearest”不同，“nearest-up”向上舍入，“nearest”向下舍入。默认为“线性”。

文档似乎有误，因为 scipy.interpolate.interp1d 不接受 barycentric 或 polynomial 作为有效方法。我想 barycentric 指的是 scipy.interpolate.barycentric_interpolate，但是 polynomial 指的是什么？我认为它可能等同于 piecewise_polynomial 选项，但两者给出了不同的结果。

此外，method=cubicspline 和 method=spline,order=3 给出不同的结果。这里有什么区别？

解决方法

pandas 插值方法是来自 numpy 和 scipy 库中不同位置的插值方法的合并。

目前所有代码都位于 pandas/core/missing.py。

在高层次上，它将 splits the interpolation 方法转化为由 np.iterp 处理的方法，以及由整个 scipy 库处理的其他方法。

# interpolation methods that dispatch to np.interp
NP_METHODS = ["linear","time","index","values"]

# interpolation methods that dispatch to _interpolate_scipy_wrapper
SP_METHODS = ["nearest","zero","slinear","quadratic","cubic","barycentric","krogh","spline","polynomial","from_derivatives","piecewise_polynomial","pchip","akima","cubicspline"]

然后，由于 scipy 方法被拆分为不同的方法，您可以看到 missing.py 中有大量其他包装器指示 scipy 方法。大多数方法都传递给 scipy.interpolate.interp1d;但是对于其他一些方法，有一个 dict 或其他包装方法指向这些特定的 scipy 方法。

from scipy import interpolate

alt_methods = {
    "barycentric": interpolate.barycentric_interpolate,"krogh": interpolate.krogh_interpolate,"from_derivatives": _from_derivatives,"piecewise_polynomial": _from_derivatives,}

其中 _from_derivatives 中 missing.py 的文档字符串表示：

def _from_derivatives(xi,yi,x,order=None,der=0,extrapolate=False):
    """
    Convenience function for interpolate.BPoly.from_derivatives.
    ...
    """

因此 TLDR，根据您指定的方法，您可以直接使用以下方法之一：

numpy.interp
scipy.interpolate.interp1d
scipy.interpolate.barycentric_interpolate
scipy.interpolate.krogh_interpolate
scipy.interpolate.BPoly.from_derivatives
scipy.interpolate.Akima1DInterpolator
scipy.interpolate.UnivariateSpline
scipy.interpolate.CubicSpline