无需创建新DataFrame，如何通过插值获取Pandas日期索引DataFrame中非索引日期的对应值

嘿，你的需求完全可以通过scipy.interpolate.interp1d来实现，不用创建新的DataFrame，直接基于现有数据就能算出目标日期的插值结果。

核心思路 #

插值函数本质上需要数值型的输入自变量，所以我们先把日期索引转换成数值形式（比如Unix时间戳），再用现有数据构建插值函数，最后把目标日期也转成同样的数值格式代入计算即可。

具体步骤&代码示例 #

1. 先导入必要的库：

import pandas as pd
from scipy.interpolate import interp1d
import datetime

2. 假设你的DataFrame是这样的（示例数据）：

# 示例：带日期索引的单值列DataFrame
dates = pd.date_range(start='2023-01-01', end='2023-01-05', freq='D')
df = pd.DataFrame({'Values': [10, 20, 30, 40, 50]}, index=dates)

3. 构建插值函数并计算目标值：

# 1. 将日期索引转换为秒级时间戳（数值类型）
x = df.index.astype('int64') // 10**9  # 转成秒级，避免数值过大
y = df['Values'].values

# 2. 创建插值函数，支持多种插值方法：linear（线性）、cubic（三次样条）等
#    如果需要对原日期范围外的日期做外插，加上fill_value="extrapolate"
interp_func = interp1d(x, y, kind='linear', fill_value="extrapolate")

# 3. 定义目标日期并转换为相同格式的时间戳
new_date = datetime.datetime(2023, 1, 3, 12, 0, 0)  # 比如1月3日中午
new_x = new_date.timestamp()

# 4. 计算插值结果
new_value = interp_func(new_x)
print(new_value)  # 输出35.0，刚好是30和40的中间值

补充说明 #

• 如果你不需要外插（即目标日期必须在原索引的日期范围内），可以去掉fill_value="extrapolate"，这样超出范围时会直接报错，避免不合理的外插结果。
• 除了linear，你还可以选择quadratic（二次）、cubic（三次）等插值方法，根据数据的趋势选择最合适的即可。

内容的提问来源于stack exchange，提问作者Athanasios Asimakopoulos