如何在无缺失数据的Pandas DataFrame中执行插值操作？

嘿，我懂你想在完全没有缺失值的DataFrame里做插值的需求——这种情况其实挺常见的，比如你手里是间隔较大的采样数据，想要生成更密集的中间值，或者想在现有数据点之间填充平滑过渡的数值。下面我用具体例子一步步给你讲明白怎么实现。

先看原始数据示例 #

假设我们有一个无缺失的时间序列DataFrame，每天一个数据点：

import pandas as pd

# 原始无缺失值的DataFrame
df_original = pd.DataFrame({
    'timestamp': pd.date_range(start='2024-01-01', end='2024-01-03', freq='D'),
    'value': [10, 30, 50]
})
print("原始DataFrame：")
print(df_original)

输出的原始数据是这样的：

timestamp  value
0 2024-01-01     10
1 2024-01-02     30
2 2024-01-03     50

期望输出目标 #

我们想要把数据插值成每12小时一个点，也就是在两天中间插入中午的数值，最终得到5个数据点，中间的数值是线性过渡的（比如1月1日中午的value是20，1月2日中午的value是40）。

实现步骤 #

核心思路是：Pandas的interpolate()方法是用来填充缺失值的，所以我们得先构造出需要插值的位置，让这些位置出现缺失值，再用插值方法填充。

1. 创建包含所有目标采样点的索引 #

先生成我们想要的所有时间点（包括原始点和要插值的中间点）：

# 生成每12小时一个的时间序列
new_timestamps = pd.date_range(start='2024-01-01', end='2024-01-03', freq='12H')

2. 重新索引产生缺失值，再执行插值 #

把原始DataFrame的索引设为时间戳，然后用reindex()对齐到新的时间序列——这时候中间的新时间点就会出现NaN，最后调用interpolate()填充：

# 设置索引→重新索引→插值→重置索引变回原格式
df_interpolated = df_original.set_index('timestamp')\
                            .reindex(new_timestamps)\
                            .interpolate(method='linear')\
                            .reset_index()\
                            .rename(columns={'index': 'timestamp'})

print("\n插值后的DataFrame：")
print(df_interpolated)

最终输出结果 #

timestamp  value
0 2024-01-01 00:00:00   10.0
1 2024-01-01 12:00:00   20.0
2 2024-01-02 00:00:00   30.0
3 2024-01-02 12:00:00   40.0
4 2024-01-03 00:00:00   50.0

其他插值方法和场景 #

• 如果是时间序列，推荐用method='time'，它会根据时间间隔的长短来计算插值，比普通线性插值更精准：

  df_interpolated_time = df_original.set_index('timestamp')\
                                    .reindex(new_timestamps)\
                                    .interpolate(method='time')
  

• 如果不是时间序列，而是普通数值索引（比如x轴是连续整数），思路完全一样：先构造目标索引，重新索引产生缺失值后插值。比如：

  import numpy as np
  
  df_num = pd.DataFrame({'x': [1,2,3], 'y': [5,10,15]})
  new_x = np.arange(1, 3.1, 0.5)  # 目标x值：1,1.5,2,2.5,3
  df_num_interpolated = df_num.set_index('x')\
                              .reindex(new_x)\
                              .interpolate(method='quadratic')\
                              .reset_index()
  

内容的提问来源于stack exchange，提问作者Nawar