Question

我目前正在尝试清理并使用pandas填写一些丢失的时间序列数据。插值函数运行良好，但它没有一些（不太广泛使用）插值函数，我需要我的数据集。几个例子就是一个简单的＆＃34; last＆＃34;有效的数据点可以创建类似于阶梯函数的东西，或类似对数或几何插值的东西。

浏览文档时，似乎没有一种方法可以传递自定义插值函数。这些功能是否直接存在于熊猫中？如果没有，有没有人做过任何pandas-fu通过其他方式有效地应用自定义插值？

Answer 1

Pandas提供的插值方法是scipy.interpolate.interp1d提供的插值方法 - 遗憾的是，它们似乎无法以任何方式扩展。我不得不做类似的事情来应用SLERP四元数插值（使用numpy-quaternion），我设法做得非常有效。我会在这里复制代码，希望您可以根据自己的需要进行调整：

def interpolate_slerp(data):
    if data.shape[1] != 4:
        raise ValueError('Need exactly 4 values for SLERP')
    vals = data.values.copy()
    # quaternions has size Nx1 (each quaternion is a scalar value)
    quaternions = quaternion.as_quat_array(vals)
    # This is a mask of the elements that are NaN
    empty = np.any(np.isnan(vals), axis=1)
    # These are the positions of the valid values
    valid_loc = np.argwhere(~empty).squeeze(axis=-1)
    # These are the indices (e.g. time) of the valid values
    valid_index = data.index[valid_loc].values
    # These are the valid values
    valid_quaternions = quaternions[valid_loc]
    # Positions of the missing values
    empty_loc = np.argwhere(empty).squeeze(axis=-1)
    # Missing values before first or after last valid are discarded
    empty_loc = empty_loc[(empty_loc > valid_loc.min()) & (empty_loc < valid_loc.max())]
    # Index value for missing values
    empty_index = data.index[empty_loc].values
    # Important bit! This tells you the which valid values must be used as interpolation ends for each missing value
    interp_loc_end = np.searchsorted(valid_loc, empty_loc)
    interp_loc_start = interp_loc_end - 1
    # These are the actual values of the interpolation ends
    interp_q_start = valid_quaternions[interp_loc_start]
    interp_q_end = valid_quaternions[interp_loc_end]
    # And these are the indices (e.g. time) of the interpolation ends
    interp_t_start = valid_index[interp_loc_start]
    interp_t_end = valid_index[interp_loc_end]
    # This performs the actual interpolation
    # For each missing value, you have:
    #   * Initial interpolation value
    #   * Final interpolation value
    #   * Initial interpolation index
    #   * Final interpolation index
    #   * Missing value index
    interpolated = quaternion.slerp(interp_q_start, interp_q_end, interp_t_start, interp_t_end, empty_index)
    # This puts the interpolated values into place
    data = data.copy()
    data.iloc[empty_loc] = quaternion.as_float_array(interpolated)
    return data

诀窍在np.searchsorted，它可以很快找到每个值的正确插值结束。这种方法的局限性在于：

你的插值函数必须像<{1}}一样（这应该不奇怪，因为它有常规的ufunc广播行为）。
它仅适用于每端只需要一个值的插值方法，因此，如果您需要，例如类似于立方插值的东西（你不会因为已经提供了这个插值）这不起作用。

Answer 2

为了找到Series内的缺失数据块，您可以按照Finding consecutive segments in a pandas data frame的方式执行操作：

s = pd.Series([1, 2, np.nan, np.nan, 5, 6, np.nan, np.nan, np.nan, 10])
x = s.isnull().reset_index(name='null')
# computes unique numbers for each block of consecutive nan/non-nan values
x['block'] = (x['null'].shift(1) != x['null']).astype(int).cumsum()
# select those blocks that relate to null values
x[x['null']].groupby('block')['index'].apply(np.array)

这将产生以下系列，其中值是包含每个块的nan值的所有索引条目的数组：

block
2       [2, 3]
4    [6, 7, 8]
Name: index, dtype: object

您可以迭代这些并应用自定义修复逻辑。之前和之后获得价值应该很容易。

为pandas创建自定义插值函数

2 个答案: