插值和插补有什么区别？

Question

我刚刚了解到您可以通过插补和插值处理丢失的数据/ NaN，我刚刚发现插值是一种估计，一种在插补替换的同时在一组离散的已知数据点范围内构建新数据点的方法列均值的缺失数据。但还有比这更多的差异吗？何时是使用它们的最佳实践？

Answer 1

插值

插值（线性）基本上是两个给定点之间的直线，这两个点之间的数据点缺失：

• 已知两个红点
• 缺少蓝点

来源：维基百科

好的解释，但给我看数据。

首先，线性插值的公式如下：

(y1-y0) / (x1-x0)

假设我们有上图中的三个数据点：

df = pd.DataFrame({'Value':[0, np.NaN, 3]})

   Value
0    0.0
1    NaN
2    3.0

正如我们所看到的，第 1 行（蓝点）丢失了。所以下面的公式来自上面：

(3-0) / (2-0) = 1.5

如果我们使用 pandas 方法对这些进行插值Series.interpolate：

df['Value'].interpolate()

0    0.0
1    1.5
2    3.0
Name: Value, dtype: float64

对于更大的数据集，它将如下所示：

df = pd.DataFrame({'Value':[1, np.NaN, 4, np.NaN, np.NaN,7]})

   Value
0    1.0
1    NaN
2    4.0
3    NaN
4    NaN
5    7.0

df['Value'].interpolate()

0    1.0
1    2.5
2    4.0
3    5.0
4    6.0
5    7.0
Name: Value, dtype: float64

插补

当我们用 对数据进行插补时(arithmetic) mean，我们遵循以下公式：

sum(all points) / n

所以对于我们的第二个数据框，我们得到：

(1 + 4 + 7) / 3 = 4

因此，如果我们用Series.fillna和 来估算我们的数据框Series.mean：

df['Value'].fillna(df['Value'].mean())

0    1.0
1    4.0
2    4.0
3    4.0
4    4.0
5    7.0
Name: Value, dtype: float64