pandas使用拉格朗日处理缺省值

pandas使用拉格朗日处理缺省值

#-*- coding: utf-8 -*-
# 拉格朗日插值代码
import pandas as pd  # 导入数据分析库Pandas
from scipy.interpolate import lagrange  # 导入拉格朗日插值函数

inputfile = '../data/missing_data.xls'  # 输入数据路径,需要使用Excel格式；
outputfile = '../tmp/missing_data_processed.xls'  # 输出数据路径,需要使用Excel格式

data = pd.read_excel(inputfile, header=None)  # 读入数据

# 自定义列向量插值函数
# s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5

def ployinterp_column(s, n, k=5):
    y = s[list(range(n - k, n)) + list(range(n + 1, n + 1 + k))]  # 取数
    y = y[y.notnull()]  # 剔除空值
    return lagrange(y.index, list(y))(n)  # 插值并返回插值结果

# 逐个元素判断是否需要插值
for i in data.columns:
    # print(data[i])
    for j in range(len(data)):
        # print(len(data))   
        if (data[i].isnull())[j]:  # 如果为空即插值。
            # print((data[i][j]), i,j, data[i].isnull())
            data[i][j] = ployinterp_column(data[i], j)
# data.to_excel(outputfile, header=None, index=False)  # 输出结果
print(data)
print('END')

missing_data.xls（处理前的数据）

issing_data_processed.xls（处理后的数据）