数学建模——插值算法Python实现

        

        今天在处理数据的时候发现有很多的缺失值，这时候的插值算法就登场了，但是我使用了一下spss的插值器发现真的是插值的一些数据就是一坨，根本不能看，所以我就打算使用Python来实现一下插值算法。

        

目录

代码解释

总体代码

示例

插值前

插值后

总结

---

代码解释

        这段代码使用了 pandas 和 scipy.interpolate 库来进行线性插值，用于填补数据框中的缺失值。

1. pd.read_excel('D:\\文件.xlsx')：使用 pandas 的 read_excel 函数读取 Excel 文件，得到一个数据框 df。

2. df_new = df.copy()：创建一个新的数据框 df_new，该数据框将用于存储插值后的结果。通过使用 copy() 方法，确保对原始数据框的修改不会影响到新的数据框。

3. 遍历每一列：

   for column in df.columns:

   通过这个循环，代码将遍历数据框中的每一列。

4. 检查列是否有缺失值：

   if df[column].isnull().any():

   使用 isnull() 方法检查当前列是否包含缺失值，如果有，则进入下面的处理步骤。

5. 创建插值函数：

   interp = interp1d(df.index[df[column].notnull()],df[column].dropna(),fill_value="extrapolate")

   使用 scipy.interpolate 中的 interp1d 函数创建一个插值函数。该函数利用非空值的索引和对应的值来进行线性插值。fill_value="extrapolate" 意味着对于超出原始范围的值，使用线性外推。

6. 使用插值函数填充缺失值：

   df_new[column] = interp(df.index)

   通过调用插值函数，将当前列的缺失值填充为线性插值的结果。

7. 将结果写入新的 Excel 文件：

   df_new.to_excel('D:\\res.xlsx', index=False)

   将插值后的数据框保存为新的 Excel 文件。

        总体而言，这段代码通过遍历每一列，检查缺失值，然后使用线性插值填充缺失值，最后将结果保存到新的 Excel 文件。插值方法采用了线性插值。

---

总体代码

import pandas as pd
from scipy.interpolate import interp1d

# 读取Excel文件
df = pd.read_excel('D:\\文件.xlsx')

# 创建一个新的DataFrame来存储结果
df_new = df.copy()

# 遍历每一列
for column in df.columns:
    # 如果该列有缺失值
    if df[column].isnull().any():
        # 创建一个插值函数
        interp = interp1d(df.index[df[column].notnull()], df[column].dropna(), fill_value="extrapolate")
        # 使用插值函数填补缺失值
        df_new[column] = interp(df.index)

# 将结果写入新的Excel文件
df_new.to_excel('D:\\res.xlsx', index=False)

---

 

示例

插值前

插值后

根据前后文来看，插值效果还是很不错的(*^▽^*)

总结

Python果然是万能的~！！

ヾ(￣▽￣)Bye~Bye~