python-3.x - Pandas 用最接近的非数字值进行插值

Question

我有一个带有日期时间索引的数字和非数字值的数据框:

df = pd.DataFrame([
    {'date': datetime(2017, 4, 24, 1), 'a':1, 'b':2, 'c': "hee"},
    {'date': datetime(2017, 4, 24, 2), 'a':2, 'b':4, 'c': 'hoo'},
    {'date': datetime(2017, 4, 24, 3), 'a':4, 'b':8, 'c': 'joo'},
    {'date': datetime(2017, 4, 24, 4), 'a':8, 'b':16, 'c': 'jee'}
]).set_index('date')

我想要:

线性插值数值；和

获取非数字值的最接近值。

什么是最优雅的实现？

策略一

插入所有，然后 fillna :

df = df.resample('20T').interpolate('linear')
df.fillna(method='nearest')

但是... nearest 方法未实现。

策略二

拆分数字和非数字列

df2 = df.resample('20T')
df_a = df2._get_numeric_data().interpolate('linear')
df_b = df2[list(set(df.columns) - set(set(df_a.columns)))].interpolate('nearest')

这给出了一个错误:

TypeError: Cannot interpolate with all NaNs.

更新

使用最近的方法进行插值确实适用于 bool 值和数值，但不适用于字符串，例如:

df.resample('20T').intepolate('nearest')

Answer 1

自 interpolate("nearest")适用于数字类型，解决方案是:

从 转换您的列字符串到分类 (这是数字)

插值分类列与 interpolate("nearest")

映射回字符串 插值分类列

def fillna_nearest(series):
    fact = series.astype('category').factorize()

    series_cat = pd.Series(fact[0]).replace(-1, np.nan) # get string as categorical (-1 is NaN)
    series_cat_interp = series_cat.interpolate("nearest") # interpolate categorical

    cat_to_string = {i:x for i,x in enumerate(fact[1])} # dict connecting category to string
    series_str_interp = series_cat_interp.map(cat_to_string) # turn category back to string

    return series_str_interp


In [10]: df.resample('20T').interpolate().apply(fillna_nearest)
Out[10]: 
          a          b    c
0  1.000000   2.000000  hee
1  1.333333   2.666667  hee
2  1.666667   3.333333  hoo
3  2.000000   4.000000  hoo
4  2.666667   5.333333  hoo
5  3.333333   6.666667  joo
6  4.000000   8.000000  joo
7  5.333333  10.666667  joo
8  6.666667  13.333333  jee
9  8.000000  16.000000  jee