python - 为 Pandas 创建自定义插值函数

Question

我目前正在尝试使用 pandas 清理和填充一些缺失的时间序列数据。插值函数工作得很好，但是它没有我的数据集所需的一些(不太广泛使用的)插值函数。几个例子是一个简单的“最后”有效数据点，它会创建类似于阶跃函数的东西，或者类似于对数或几何插值的东西。

浏览文档，似乎没有办法传递自定义插值函数。这种功能是否直接存在于 pandas 中？如果没有，是否有人做过任何 pandas-fu 以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。 - 不幸的是，它似乎无法以任何方式扩展。我必须做类似的事情来应用 SLERP 四元数插值(使用 numpy-quaternion )，并且我设法非常有效地做到了。我将在此处复制代码，希望您可以根据自己的目的对其进行调整:

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

诀窍在于 np.searchsorted，它可以非常快速地为每个值找到正确的插值结束。这种方法的局限性在于:

• 您的插值函数必须有点像 quaternion.slerp 那样工作(这不奇怪，因为它有常规的 ufunc 广播行为)。
• 它只适用于每一端只需要一个值的插值方法，所以如果你想要，例如像三次插值之类的东西(你不需要，因为已经提供了)这是行不通的。