如何对DataFrame每25行逐列做线性插值并解决interpolate报错

现有一个规格为250行×86列的pandas DataFrame，需求为对该DataFrame的每一列，按每25行划分为一个独立块，在块内执行线性插值。
初始尝试实现的代码如下：

for i in range(0,25,25):
for x in range(2,len(df.columns)):
    df.iloc[i,x].interpolate(method='linear', inplace=True)

运行代码后抛出异常：
AttributeError: 'numpy.float64' object has no attribute 'interpolate'

• 循环范围设置错误：range(0,25,25)仅会生成元素0，无法遍历所有25行长度的分块，完全不符合分块遍历的逻辑。
• 操作对象错误：df.iloc[i,x]取到的是DataFrame中单个单元格的标量值，类型为numpy.float64，该类型不存在interpolate方法——interpolate是pandas Series、DataFrame对象才支持的方法。
• 语法不规范：两层for循环未做正确缩进，不符合Python语法要求。
• 效率低下：即使修正了取值错误，逐单元格、逐列循环的写法运行效率远低于pandas原生的批量操作。

核心逻辑为按行切片取每25行的子DataFrame，对需要处理的列批量执行插值后回写原DataFrame，无需逐列、逐单元格循环：

# 定义单块行数
chunk_size = 25
# 遍历所有分块的起始行索引
for start in range(0, len(df), chunk_size):
    # 计算当前分块的结束行索引，兼容最后一块不足25行的场景
    end = min(start + chunk_size, len(df))
    # 对当前分块中列索引≥2的所有列执行线性插值，结果回写原df对应位置
    df.iloc[start:end, 2:] = df.iloc[start:end, 2:].interpolate(method="linear")

• 代码无需硬编码DataFrame总行数，可自动适配任意行数的同类分块插值需求。
• 直接赋值回写的方式替代inplace=True参数，可避免切片操作触发的SettingWithCopyWarning告警。
• 采用pandas批量列操作替代逐列循环，插值执行效率更高。

内容的提问来源于stack exchange，提问作者Carl