pandas中是否有方法只插入单个缺失数据点?也就是说,如果有2个以上的连续NaN,我想留下它们。
所以,举个例子:
s = pd.Series([1, None, 2, 3, None, None, 4.5])
d.interpolate(limit=1)
给了我:
[ 1.0, 1.5, 2.0, 3.0, 3.5, NaN, 4.5 ]
但我想
[ 1.0, 1.5, 2.0, 3.0, NaN, NaN, 4.5 ]
如果有帮助,我有一个只有一个缺失值的索引列表。
答案 0 :(得分:5)
我的意见是,这将是一个包含在interpolate
中的强大功能
也就是说,这可以归结为掩盖存在多个np.nan
的地方。我会在一个方便的函数中用一些numpy
逻辑包装它。
def cnan(s):
v = s.values
k = v.size
n = np.append(np.isnan(v), False)
m = np.empty(k, np.bool8)
m.fill(True)
i = np.where(n[:-1] & n[1:])[0] + np.arange(2)
m[i[i < k]] = False
return m
s.interpolate().where(cnan(s))
0 1.0
1 1.5
2 2.0
3 3.0
4 NaN
5 NaN
6 4.5
dtype: float64
对于那些对使用高级numpy
技术的一般解决方案感兴趣的人
import pandas as pd
import numpy as np
from numpy.lib.stride_tricks import as_strided as strided
def mask_knans(a, x):
a = np.asarray(a)
k = a.size
n = np.append(np.isnan(a), [False] * (x - 1))
m = np.empty(k, np.bool8)
m.fill(True)
s = n.strides[0]
i = np.where(strided(n, (k + 1 - x, x), (s, s)).all(1))[0][:, None]
i = i + np.arange(x)
i = pd.unique(i[i < k])
m[i] = False
return m
演示
a = np.array([1, np.nan, np.nan, np.nan, 3, np.nan, 4, 5, np.nan, np.nan, 6, 7])
print(mask_knans(a, 3))
[ True False False False True True True True True True True True]
答案 1 :(得分:2)
s[(s.shift(-1).notnull()) & (s.shift(1).notnull())] = (s.shift(-1) + s.shift(1))/2
实际上,
s[s.isnull()] = (s.shift(-1) + s.shift(1))/2
也适用,如果您正在进行简单的插值。