使用numpy.interp进行线性插值

Question

我有一个浮点数的一维数组A,其中大部分是好的,但缺少一些值.丢失的数据被替换为nan(不是数字).我必须通过线性插值从附近的好值中替换数组中的缺失值.所以,例如:

F7(np.array([10.,20.,nan,40.,50.,nan,30.])) 

应该回来

np.array([10.,20.,30.,40.,50.,40.,30.]). 

使用Python做到这一点最好的方法是什么？

任何帮助将非常感激

谢谢

Answer 1

你可以使用scipy.interpolate.interp1d:

>>> from scipy.interpolate import interp1d
>>> import numpy as np
>>> x = np.array([10., 20., np.nan, 40., 50., np.nan, 30.])
>>> not_nan = np.logical_not(np.isnan(x))
>>> indices = np.arange(len(x))
>>> interp = interp1d(indices[not_nan], x[not_nan])
>>> interp(indices)
array([ 10.,  20.,  30.,  40.,  50.,  40.,  30.])

编辑:我花了一段时间才弄清楚它是如何np.interp工作的,但这也可以完成这项工作:

>>> np.interp(indices, indices[not_nan], x[not_nan])
array([ 10.,  20.,  30.,  40.,  50.,  40.,  30.])

Answer 2

我会去pandas.使用oneliner的简约方法:

from pandas import *
a=np.array([10.,20.,nan,40.,50.,nan,30.])
Series(a).interpolate()   

Out[219]:
0    10
1    20
2    30
3    40
4    50
5    40
6    30

或者,如果您想将其保留为数组:

Series(a).interpolate().values

Out[221]:
array([ 10.,  20.,  30.,  40.,  50.,  40.,  30.])