如何按站点分组对DataFrame多年观测数据进行线性插值？

核心问题 #

你的代码未生效主要有两个潜在原因：

• pandas内置的interpolate()方法默认仅对NaN类型的缺失值执行插值，你数据中的缺失值被标记为0，不会被识别为待填充的缺失值
• 你的代码中分组使用的列名为stations，但从数据样例来看，站点列的实际列名为station，拼写不一致会导致分组报错或失效

修复步骤 #

1. 替换缺失值标识 #

先将数据中代表缺失的0替换为pandas可识别的缺失值类型：

import pandas as pd
# 若你的业务中真实观测值存在0，可调整替换逻辑，仅替换连续出现的异常0
df['observations'] = df['observations'].replace(0, pd.NA)

2. 按站点分组执行插值 #

修正列名并使用apply确保每个站点的序列独立插值：

df['interpolated_obs'] = df.groupby('station', group_keys=False)['observations'].apply(
    lambda x: x.interpolate(method='linear')
)

可选参数调整 #

如果需要限制连续缺失值的插值长度，避免过长连续缺测时的插值结果失真，可以添加limit参数：

# 示例：最多插值连续3个缺失值，超过3个的连续缺失保留NaN
df['interpolated_obs'] = df.groupby('station', group_keys=False)['observations'].apply(
    lambda x: x.interpolate(method='linear', limit=3)
)

内容的提问来源于stack exchange，提问作者GeoBeez