Question

我有一个带有某些客户位置的数据框（因此我在Customer_id中有一个列，在Lat和Lon中有其他列），我试图根据每个客户对NaN进行插值。

例如，如果我在这里使用最接近的方法进行插值（我在这里补足了值）：

 Customer_id   Lat    Lon
   A            1      1
   A            NaN    NaN  
   A            2      2      
   B            NaN    NaN
   B            4      4

我希望B的NaN为4，而不是2。

我已经尝试过了

series.groupby('Customer_id').apply(lambda group: group.interpolate(method = 'nearest', limit_direction = 'both'))

NaN的数量从9003下降到94。但是我不明白为什么它仍然留下一些缺失的值。

我检查了一下，发现这94个缺失值对应于已被内插的客户记录。例如，

    Customer_id   Lat
 0.    A           1
 1.    A           NaN
 2.    A           NaN
 3.    A           NaN
 4.    A           NaN

它将正确插值直到某个值（假设它正确插值1、2和3），然后将4保留为NaN。

我尝试将插值的上限设置为大于每个客户端的最大记录数，但仍无法解决。我不知道我的错误在哪里，有人可以帮忙吗？

（我不知道是否需要提及，但为此我制作了自己的NaN。这是我使用的代码Replace some values in a dataframe with NaN's if the index of the row does not exist in another dataframe，我认为问题不在这里，但是因为我非常对于问题的实际位置感到困惑，我将其留在这里）

Answer 1

用nearest进行插值时，它只能填充介于中间的缺失值。（您会注意到这一点，因为当只有1个非空值时会出现错误，例如您的示例）。其余的空值是“边沿”，.bfill().ffill()逻辑用nearest处理。这也是仅用一个非缺失值“插值”的适当逻辑。

def my_interp(x):
    if x.notnull().sum() > 1:
        return x.interpolate(method='nearest').ffill().bfill()
    else:
        return x.ffill().bfill()

df.groupby('Customer_id').transform(my_interp)

#   Lat  Lon
#0  1.0  1.0
#1  1.0  1.0
#2  2.0  2.0
#3  4.0  4.0
#4  4.0  4.0

插值仍然离开NaN（pandas groupby）

1 个答案: