Pandas使用nearest插值方法报错及指定列插值无效问题求助

让我们一步步拆解你的问题，搞定这两个核心困扰：nearest方法触发报错，以及指定列插值后数据毫无变化。

问题1：全DataFrame调用nearest插值报错 #

这个错误的核心原因是你的DataFrame里包含非数值型的Week日期列。当你直接对整个DataFrame执行interpolate时，pandas会尝试给所有列套用插值逻辑，但nearest方法仅支持数值型列；针对非数值列，pandas只允许pad(ffill)或bfill两种填充方式，因此直接触发了ValueError。

问题2：指定列插值后结果无变化 #

当你执行pmms_df[['U.S. 30 yr FRM', 'U.S. 15 yr FRM']].interpolate(method='nearest', inplace=True)时，pmms_df[['列名']]返回的是原DataFrame的临时副本，而非直接指向原数据的视图。inplace=True只是修改了这个临时副本，原DataFrame完全没被改动，所以你看不到任何变化。

正确的解决方案 #

步骤1：优化日期列（可选但推荐） #

先把Week列转换为datetime类型，还可以将其设为索引，让插值更贴合时间序列的特性：

import pandas as pd

# 转换日期列格式
pmms_df['Week'] = pd.to_datetime(pmms_df['Week'])
# 将日期列设置为索引（可选，让时间维度的插值更精准）
pmms_df.set_index('Week', inplace=True)

步骤2：正确对数值列应用nearest插值 #

有两种可靠的方式修改原DataFrame：

方式一：直接赋值回原列

通过赋值操作，把插值后的结果直接覆盖原DataFrame的对应列：

pmms_df[['U.S. 30 yr FRM', 'U.S. 15 yr FRM']] = pmms_df[['U.S. 30 yr FRM', 'U.S. 15 yr FRM']].interpolate(method='nearest')

方式二：用subset参数指定插值列

借助interpolate的subset参数，直接指定要处理的数值列，无需手动处理副本问题：

pmms_df.interpolate(method='nearest', subset=['U.S. 30 yr FRM', 'U.S. 15 yr FRM'], inplace=True)

额外优化：时间维度的插值方法 #

如果你的数据是连续日期序列，推荐使用time插值方法，它会根据时间间隔的权重进行插值，比nearest更贴合时间序列的规律：

pmms_df.interpolate(method='time', subset=['U.S. 30 yr FRM', 'U.S. 15 yr FRM'], inplace=True)

内容的提问来源于stack exchange，提问作者Hefe