我正在处理价格表，并且试图找到一种基于不同列计算线性或多项式的方法。这是我的数据集，我将解释我正在尝试做的事情：
lf seed
2468 5685.05300 0.0
2469 NaN 0.0
2470 NaN 0.0
2471 NaN 0.0
2472 NaN 0.0
2473 NaN 0.0
2474 NaN 0.0
2475 NaN 0.0
2476 5680.89225 0.0
2477 NaN 0.0
2478 NaN 0.0
2479 NaN 0.0
2480 NaN 0.0
2481 5687.35365 0.0
2482 NaN 0.0
2483 NaN 0.0
2484 NaN 0.0
2485 NaN 0.0
2486 5685.15090 0.0
2487 NaN 0.0
2488 NaN 0.0
2489 NaN 0.0
2490 NaN 0.0
2491 5685.10195 0.0
2492 NaN 0.0
2493 NaN 0.0
2494 NaN 0.0
2495 NaN 0.0
2496 NaN 0.0
2497 NaN 0.0
2498 5659.50110 0.0
2499 NaN 0.0
2500 NaN 0.0
2501 NaN 0.0
2502 5653.96975 0.0
2503 NaN 0.0
2504 NaN 0.0
2505 NaN 0.0
例如：我要计算索引2468和2476之间的差，在这种特殊情况下，该差为4.16075，除以8，然后填充种子列通过减去计算值，因为下一个值小于上一个。顺便说一句，因为在最后3行中没有设置任何值，所以我需要继续最后一点。所以这是我的意思：
2498 5659.50110 0.0
2499 NaN 0.0
2500 NaN 0.0
2501 NaN 0.0
2502 5653.96975 0.0
2503 NaN 0.0
2504 NaN 0.0
2505 NaN 0.0
seed应该继续，直到lf中有新值为止
是否有一种方法可以执行这种实用方法，或者我必须创建一个循环函数来做到这一点？
编辑：预期输出
lf seed
2476 5680.89225 5680.892250
2477 NaN 5682.184530
2478 NaN 5683.476810
2479 NaN 5684.769090
2480 NaN 5686.061370
2481 5687.35365 5687.353650
2482 NaN 5686.913100
2483 NaN 5686.472550
2484 NaN 5686.032000
2485 NaN 5685.591450
2486 5685.15090 5685.150900
2487 NaN 5685.141110
2488 NaN 5685.131320
2489 NaN 5685.121530
2490 NaN 5685.111740
2491 5685.10195 5685.101950
2492 NaN 5681.444686
2493 NaN 5677.787421
2494 NaN 5674.130157
2495 NaN 5670.472893
2496 NaN 5666.815629
2497 NaN 5663.158364
2498 5659.50110 5659.501100
2499 NaN 5658.118262
2500 NaN 5656.735425
2501 NaN 5655.352587
2502 5653.96975 5653.969750
2503 NaN 5652.586912
2504 NaN 5651.204075
2505 NaN 5649.821237
答案 0 :(得分：1)
除最后一个值以外的行之外的所有内容都是微不足道的：很简单
df["inside"] = df.lf.interpolate("linear", limit_area="inside")
要在最后处理外推法，我们可以向前填充内插值之间的差异，然后取累积和以返回原始值：
delta = df.lf.interpolate("linear", limit_area="inside").diff().ffill()
df["rebuilt"] = delta.fillna(df.lf).cumsum()
这给了我
lf seed inside rebuilt
2476 5680.89225 5680.892250 5680.892250 5680.892250
2477 NaN 5682.184530 5682.184530 5682.184530
2478 NaN 5683.476810 5683.476810 5683.476810
2479 NaN 5684.769090 5684.769090 5684.769090
2480 NaN 5686.061370 5686.061370 5686.061370
2481 5687.35365 5687.353650 5687.353650 5687.353650
2482 NaN 5686.913100 5686.913100 5686.913100
2483 NaN 5686.472550 5686.472550 5686.472550
2484 NaN 5686.032000 5686.032000 5686.032000
2485 NaN 5685.591450 5685.591450 5685.591450
2486 5685.15090 5685.150900 5685.150900 5685.150900
2487 NaN 5685.141110 5685.141110 5685.141110
2488 NaN 5685.131320 5685.131320 5685.131320
2489 NaN 5685.121530 5685.121530 5685.121530
2490 NaN 5685.111740 5685.111740 5685.111740
2491 5685.10195 5685.101950 5685.101950 5685.101950
2492 NaN 5681.444686 5681.444686 5681.444686
2493 NaN 5677.787421 5677.787421 5677.787421
2494 NaN 5674.130157 5674.130157 5674.130157
2495 NaN 5670.472893 5670.472893 5670.472893
2496 NaN 5666.815629 5666.815629 5666.815629
2497 NaN 5663.158364 5663.158364 5663.158364
2498 5659.50110 5659.501100 5659.501100 5659.501100
2499 NaN 5658.118262 5658.118263 5658.118263
2500 NaN 5656.735425 5656.735425 5656.735425
2501 NaN 5655.352587 5655.352588 5655.352588
2502 5653.96975 5653.969750 5653.969750 5653.969750
2503 NaN 5652.586912 NaN 5652.586912
2504 NaN 5651.204075 NaN 5651.204075
2505 NaN 5649.821237 NaN 5649.821237
和
In [126]: np.allclose(df["rebuilt"], df["seed"])
Out[126]: True
注意：我假设该系列的顶部没有任何NaN值。如果需要，我们也可以处理。