这是使用scipy推断的最有效和最准确的方法吗？

Question

随着时间的推移，我有一组数据点，但是有一些数据缺失且数据不是定期的。为了定期获得完整的数据集，我做了以下几点：

import pandas as pd
import numpy as np
from scipy import interpolate

x = data['time']
y = data['shares']
f = interpolate.interp1d(x, y, fill_value='extrapolate')

time = np.arange(0, 3780060, 600)

new_data = []
for interval in time:
    new_data.append(f(interval))

test = pd.DataFrame({'time': time, 'shares': y})
test_func = test_func.astype(float)

当绘制原始数据集和外推数据集时，它们似乎几乎完美排列，但我仍然想知道是否有更有效和/或更准确的方法来实现上述目标。

Answer 1

您应该只应用插值函数一次，如此

new_data = f(time)

如果您需要定期获取值，请填写以下内容：＆＃39;外推＆＃39;是多余的，因为它只是插值。您可以使用＆＃39; extrapolate＆＃39;如果您的新间隔比原始间隔宽。但这是不好的做法。