【Pandas】pandas DataFrame interpolate

Pandas2.2 DataFrame

Missing data handling

方法	描述
DataFrame.fillna([value, method, axis, …])	用于填充 DataFrame 中的缺失值（NaN）
DataFrame.backfill(*[, axis, inplace, …])	用于**使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）**的方法
DataFrame.bfill(*[, axis, inplace, limit, …])	用于**使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）**的方法
DataFrame.dropna(*[, axis, how, thresh, …])	用于删除包含缺失值（NaN）的行或列的方法
DataFrame.ffill(*[, axis, inplace, limit, …])	用于**使用前向填充（即“前一个有效观测值”）来填补缺失值（NaN）**的方法
DataFrame.interpolate([method, axis, limit, …])	用于对缺失值（NaN）进行插值填充的方法

pandas.DataFrame.interpolate()

pandas.DataFrame.interpolate() 是一个用于对缺失值（NaN）进行插值填充的方法。它支持多种插值方法，适用于时间序列、传感器数据等需要平滑填补缺失值的场景。

---

📌 方法签名

DataFrame.interpolate(method='linear', *, axis=0, limit=None, inplace=False, limit_direction=None, limit_area=None, downcast=<no_default>, **kwargs)

---

🔧 参数说明

参数	类型	说明
method	str 或 function，默认 'linear'	插值方法： - 'linear'：线性插值 - 'time'：基于时间索引的插值 - 'index' / 'values'：基于索引或值进行插值 - 'pad' / 'nearest' / 'polynomial' / 'spline' 等
axis	{0/'index', 1/'columns'}，默认 0	插值方向： - 0：按行插值 - 1：按列插值
limit	int，可选	最多连续插值的 NaN 数量；未指定则全部插值
inplace	bool，默认 False	是否在原对象上修改
limit_direction	{'forward', 'backward', 'both'}，默认 'forward'	插值方向控制： - 'forward'：从前向后插值 - 'backward'：从后向前插值 - 'both'：双向插值
limit_area	{'inside', 'outside'}，默认 None	插值区域控制： - 'inside'：仅填充被非空包围的 NaN - 'outside'：仅填充边缘 NaN
downcast	dict 或 'infer'，可选	控制是否尝试将结果转换为更小的数据类型
**kwargs	其他参数	传递给底层插值函数的额外参数（如 order 用于多项式插值）

---

✅ 返回值

• 返回一个新的 DataFrame，其中的 NaN 值被插值；
• 如果 inplace=True，则返回 None，原始数据被修改。

---

🧪 示例代码及结果

示例 1：基本用法 - 使用线性插值（默认）

import pandas as pd
import numpy as npdf = pd.DataFrame({'A': [1, np.nan, 3, np.nan, 5],'B': [np.nan, 2, np.nan, 4, np.nan]
})print("Original DataFrame:")
print(df)# 使用线性插值
df_interpolated = df.interpolate()
print("\nAfter interpolate():")
print(df_interpolated)

输出结果：

Original DataFrame:A    B
0  1.0  NaN
1  NaN  2.0
2  3.0  NaN
3  NaN  4.0
4  5.0  NaNAfter interpolate():A    B
0  1.0  NaN
1  2.0  2.0
2  3.0  3.0
3  4.0  4.0
4  5.0  NaN

注意首尾的 NaN 没有被插值，除非使用 limit_direction='both'。

---

示例 2：设置 limit_direction='both' - 双向插值

# 双向插值
df_both = df.interpolate(limit_direction='both')
print("\nAfter interpolate(limit_direction='both'):")
print(df_both)

输出结果：

After interpolate(limit_direction='both'):A    B
0  1.0  2.0
1  2.0  2.0
2  3.0  3.0
3  4.0  4.0
4  5.0  NaN

第一行 B 列现在也被插值了（从后往前），但最后一行仍为 NaN（无后续值）。

---

示例 3：限制最大插值数量（limit=1）

# 设置最多插值 1 个连续 NaN
df_limited = df.interpolate(limit=1)
print("\nAfter interpolate(limit=1):")
print(df_limited)

输出结果：

After interpolate(limit=1):A    B
0  1.0  NaN
1  2.0  2.0
2  3.0  NaN
3  NaN  4.0
4  5.0  NaN

每列只插值一个 NaN。

---

示例 4：使用 method='polynomial' 进行多项式插值

# 多项式插值（需指定 order）
df_poly = df.interpolate(method='polynomial', order=1)
print("\nAfter interpolate(method='polynomial', order=1):")
print(df_poly)

输出结果：

After interpolate(method='polynomial', order=1):A    B
0  1.0  NaN
1  2.0  2.0
2  3.0  3.0
3  4.0  4.0
4  5.0  NaN

多项式插值更适合趋势明显的数据，但要求至少有两个有效点。

---

示例 5：使用 method='time'（适合时间序列）

# 构造带时间索引的 DataFrame
rng = pd.date_range('2024-01-01', periods=5, freq='D')
df_time = pd.DataFrame({'value': [10, np.nan, np.nan, 40, 50]
}, index=rng)print("Time Series DataFrame:")
print(df_time)# 使用 time 插值
df_time_interpolated = df_time.interpolate(method='time')
print("\nAfter interpolate(method='time'):")
print(df_time_interpolated)

输出结果：

Time Series DataFrame:value
2024-01-01   10.0
2024-01-02    NaN
2024-01-03    NaN
2024-01-04   40.0
2024-01-05   50.0After interpolate(method='time'):value
2024-01-01   10.0
2024-01-02   20.0
2024-01-03   30.0
2024-01-04   40.0
2024-01-05   50.0

时间插值会考虑索引的时间间隔，因此比线性插值更精确。

---

示例 6：使用 limit_area='inside' 仅插值内部 NaN

# 构造包含边界和内部 NaN 的 DataFrame
df_limit_area = pd.DataFrame({'A': [np.nan, 2, np.nan, 4, np.nan],  # 边缘 NaN'B': [1, np.nan, 3, np.nan, 5]        # 内部 NaN
})print("Original DataFrame with edge and internal NaNs:")
print(df_limit_area)# 只插值被非空包围的 NaN（不插值边缘）
df_inside = df_limit_area.interpolate(limit_area='inside')
print("\nAfter interpolate(limit_area='inside'):")
print(df_inside)

输出结果：

Original DataFrame with edge and internal NaNs:A    B
0  NaN  1.0
1  2.0  NaN
2  NaN  3.0
3  4.0  NaN
4  NaN  5.0After interpolate(limit_area='inside'):A    B
0  NaN  1.0
1  2.0  2.0
2  NaN  3.0
3  4.0  4.0
4  NaN  5.0

只填充了中间的 NaN，首尾的未填充。

---

示例 7：使用 method='pad' 进行前向插值

# 使用 pad 插值（即前向填充）
df_pad = df.interpolate(method='pad')
print("\nAfter interpolate(method='pad'):")
print(df_pad)

输出结果：

After interpolate(method='pad'):A    B
0  1.0  NaN
1  1.0  2.0
2  3.0  2.0
3  3.0  4.0
4  5.0  4.0

行为与 ffill() 相似，但可以结合 limit 和 limit_direction 更灵活控制。

---

示例 8：原地修改（inplace=True）

# 原地修改
df.interpolate(inplace=True)
print("\nIn-place interpolate (modified original):")
print(df)

输出结果（基于示例 1 的数据）：

In-place interpolate (modified original):A    B
0  1.0  NaN
1  2.0  2.0
2  3.0  3.0
3  4.0  4.0
4  5.0  NaN

---

🧠 应用场景

• 时间序列数据处理：填补缺失的时间点数据；
• 传感器或日志数据清洗：保持趋势一致性的插值；
• 数据分析预处理：避免因缺失值影响统计计算；
• 可视化前清理数据：提高图表完整性；
• 模型训练输入准备：生成完整特征矩阵；
• 链式调用中清理数据：如 df.interpolate().fillna(0)。

---

⚠️ 注意事项

• 默认使用线性插值（method='linear'）；
• 支持多种插值方式（如 'time', 'polynomial', 'spline'）；
• method='polynomial' 和 'spline' 需要 scipy；
• limit_direction='both' 可以双向插值；
• limit_area='inside' / 'outside' 控制插值范围；
• 不会对整列/整行为 NaN 的情况插值；
• 推荐先排序索引再插值，尤其是时间序列；
• 可以结合 fillna() 使用，作为后备方案；
• 仅对 NaN 生效，不会处理 None 或其他空值。

---

✅ 总结对比

插值方法	特点	适用场景
'linear'	线性插值	通用
'time'	基于时间索引	时间序列
'pad' / 'ffill'	前向填充	快速简单
'bfill' / 'backfill'	后向填充	快速简单
'polynomial'	多项式拟合	数据趋势明显
'spline'	样条插值	平滑曲线拟合
'nearest'	最近邻插值	整数型或离散型数据

---

你可以根据数据特性选择最适合的插值方法，例如：

• 时间序列 → method='time'
• 趋势明显 → method='polynomial'
• 快速简单 → method='pad' 或 method='linear'
• 平滑曲线 → method='spline'

如需更高阶插值，建议安装 scipy。