Jak działa pandas interpolate w języku Python? Przykład zastosowania

Brakujące dane w zbiorach często stanowią poważny problem w analizie danych. Na szczęście biblioteka Pandas oferuje metodę interpolate(), która umożliwia estymowanie brakujących wartości. W tym artykule wyjaśnię, jak działa pandas.interpolate() w języku Python oraz przedstawię przykład zastosowania.

Co to jest pandas.interpolate()?

Metoda interpolate() w Pandas służy do uzupełniania brakujących wartości w ramach obiektów Series oraz DataFrame. Działa poprzez szacowanie wartości na podstawie istniejących danych i może wykorzystywać różne metody interpolacji, takie jak:

• Interpolacja liniowa
• Interpolacja wielomianowa
• Interpolacja metodą spline
• Interpolacja na podstawie indeksu

Jest to świetne rozwiązanie dla danych czasowych i innych zestawów, gdzie braki mogą być estymowane na podstawie sąsiadujących wartości.

Składnia pandas.interpolate()

Najprostsza forma wywołania wygląda tak:

df.interpolate()

Natomiast pełna składnia metody to:

df.interpolate(method='linear', axis=0, limit=None, limit_direction='forward', limit_area=None, inplace=False, downcast=None)

Omówmy ważniejsze parametry:

• method – określa metodę interpolacji (np. 'linear', 'polynomial', 'spline', 'nearest').
• axis – określa, czy interpolacja odbywa się po wierszach (0) czy kolumnach (1).
• limit – maksymalna liczba uzupełnianych wartości.
• limit_direction – określa kierunek interpolacji (forward, backward, both).
• inplace – jeśli ustawione na True, zmienia oryginalny obiekt.

Prosty przykład zastosowania

Załóżmy, że mamy następujący zbiór danych:

import pandas as pd
import numpy as np

data = {'A': [1, np.nan, 3, np.nan, 5], 'B': [2, 4, np.nan, 8, 10]}
df = pd.DataFrame(data)
print(df)

To wygeneruje następującą tabelę:

Index	A	B
0	1.0	2.0
1	NaN	4.0
2	3.0	NaN
3	NaN	8.0
4	5.0	10.0

Interpolacja liniowa

Teraz spróbujemy uzupełnić brakujące wartości wykorzystując interpolację liniową, która po prostu szacuje brakujące wartości jako wartość pomiędzy dwoma znanymi punktami:

df_interpolated = df.interpolate(method='linear')
print(df_interpolated)

Wynik po interpolacji:

Index	A	B
0	1.0	2.0
1	2.0	4.0
2	3.0	6.0
3	4.0	8.0
4	5.0	10.0

Jak widać, brakujące wartości zostały uzupełnione poprzez przybliżenie liniowe.

Inne metody interpolacji

Pandas oferuje także inne metody interpolacji, które można użyć w zależności od specyfiki danych:

1. 1. Interpolacja wielomianowa:

df.interpolate(method='polynomial', order=2)

1. 1. Interpolacja metodą nearest: (po prostu przybliża do najbliższej znanej wartości)

df.interpolate(method='nearest')

1. 1. Interpolacja spline: wykorzystuje funkcje typu spline

df.interpolate(method='spline', order=3)

Kiedy stosować pandas.interpolate()?

Metoda interpolate() jest przydatna w wielu sytuacjach, szczególnie gdy:

• Pracujemy z danymi czasowymi i chcemy uzupełnić brakujące wartości na podstawie trendu.
• Mamy niewielkie braki w danych i możemy bezpiecznie przybliżyć brakujące wartości.
• Potrzebujemy wypełnić luki w danych przed zastosowaniem algorytmów analitycznych lub uczenia maszynowego.

Podsumowanie

Metoda pandas.interpolate() w języku Python to potężne narzędzie do uzupełniania brakujących wartości w zbiorach danych. Dzięki różnym metodom interpolacji możemy dostosować podejście do specyfiki naszych danych, eliminując puste wartości w spójny sposób. Jeśli zależy Ci na precyzyjnej estymacji braków, warto przetestować różne metody i dobrać najlepszą dla konkretnego przypadku.

 

Inny ciekawy artykuł:

Jak działa pandas resample w języku Python? Przykład zastosowania