DataFrame中interpolate函数无法填充NaN值问题求助

核心问题排查 #

你的代码能运行但无法填充NaN，主要是两个关键问题：

• 未执行插值函数：定义了interpolate_func但没有调用，填充逻辑根本没触发。
• 插值逻辑存在优化点：默认线性插值基于位置，不匹配时间索引；循环中动态删列可能导致遍历异常。

具体修复方案 #

1. 补全函数调用

在代码末尾添加函数执行语句，让填充逻辑生效：

# 执行插值与列删除逻辑
try1 = interpolate_func(try1)
# 验证修复结果
print(try1.isnull().sum())

2. 优化插值函数实现

修改函数，使用时间驱动的插值方法，同时先收集待删除列再统一删除，避免遍历错误：

def interpolate_func(df):
    cols_to_drop = []
    for column in df.columns:
        missing_count = df[column].isna().sum()
        if 1 <= missing_count <= 6:
            # 针对时间索引使用time插值，更贴合年度数据的时序逻辑
            df[column] = df[column].interpolate(method='time')
        elif missing_count > 6:
            cols_to_drop.append(column)
    # 统一删除符合条件的列
    df = df.drop(cols_to_drop, axis=1)
    return df

3. 特殊场景处理（可选）

如果列的首尾存在连续NaN，默认interpolate不会填充，可添加参数强制填充（需结合业务场景判断合理性）：

df[column] = df[column].interpolate(method='time', limit_direction='both')

内容的提问来源于stack exchange，提问作者lorenzo panetta