缺失值处理之拉格朗日插值法

https://blog.csdn.net/a1368783069/article/details/51491749
https://www.zhihu.com/question/58333118/answer/262507694
这里有了很好的讲解。
现在来看一下项目实战。

带有缺失值的数据

用拉格朗日插值法进行插补
代码如下：

#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 = 'G:/PycharmProjects/数据分析与挖掘/catering_sale.xls' #销量数据路径
outputfile = 'G:/PycharmProjects/数据分析与挖掘/temp/sales.xls' #输出数据路径

data = pd.read_excel(inputfile) #读入数据

data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None#过滤异常值，将其变为空值

#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))] #当n=7时，取数y=s[2，3，4，5，6，8，9，10，11，12]
  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:
  for j in range(len(data)):
    if (data[i].isnull())[j]: #如果为空即插值。
      data[i][j] = ployinterp_column(data[i], j)
      
      print(i)

data.to_excel(outputfile) #输出结果，写入文件

结果：

插值后的数据