如何在Pandas样条插值中指定X轴与Y轴以填充空值？

这个问题我之前踩过坑——Pandas的interpolate()方法确实在关联自定义X/Y列做样条插值这块能力有限：它默认把索引当作X轴，且对每列单独处理，完全不支持你传入的x和y参数，这也是你触发TypeError的原因（这俩参数是SciPy插值函数的专属参数，Pandas的interpolate()根本不认）。

要实现指定X/Y列的样条插值，确实需要改用SciPy来手动实现，下面是具体的解决步骤和代码示例：

核心思路 #

先提取X/Y列的非空有效数据，用SciPy构建样条插值函数，再用这个函数计算并填充Y列的空值。

具体实现代码 #

假设你的数据框df中，some_column1是作为X轴的列，some_column2是需要填充空值的Y列：

方法1：使用UnivariateSpline（推荐，支持自定义样条阶数） #

import pandas as pd
from scipy.interpolate import UnivariateSpline

# 1. 筛选出X和Y都非空的有效数据（避免插值模型引入无效值）
valid_mask = df[['some_column1', 'some_column2']].notna().all(axis=1)
x_valid = df.loc[valid_mask, 'some_column1']
y_valid = df.loc[valid_mask, 'some_column2']

# 2. 构建样条插值函数
# k指定样条阶数（1=线性样条，3=三次样条），s=0强制函数通过所有有效数据点
spline_model = UnivariateSpline(x_valid, y_valid, k=1, s=0)

# 3. 找到Y列的空值位置，用插值函数填充
fill_mask = df['some_column2'].isna()
df.loc[fill_mask, 'some_column2'] = spline_model(df.loc[fill_mask, 'some_column1'])

方法2：使用interp1d（更灵活的插值类型选择） #

如果你需要更多插值类型选项，可以用interp1d：

import pandas as pd
from scipy.interpolate import interp1d

# 1. 同样先提取有效数据
valid_mask = df[['some_column1', 'some_column2']].notna().all(axis=1)
x_valid = df.loc[valid_mask, 'some_column1']
y_valid = df.loc[valid_mask, 'some_column2']

# 2. 构建插值函数，kind指定插值类型（'linear'对应阶数1，'cubic'对应三次样条）
# fill_value="extrapolate"允许对X范围外的值做外插（可选）
interp_model = interp1d(x_valid, y_valid, kind='linear', fill_value="extrapolate")

# 3. 填充空值
fill_mask = df['some_column2'].isna()
df.loc[fill_mask, 'some_column2'] = interp_model(df.loc[fill_mask, 'some_column1'])

注意事项 #

• X列的值最好是单调有序的，否则样条插值可能出现异常波动；如果有重复X值，建议先做去重或聚合处理（比如取均值），因为UnivariateSpline要求X严格单调。
• 如果你的数据量很大，UnivariateSpline的效率会比interp1d略高一些，可以根据需求选择。

内容的提问来源于stack exchange，提问作者pkz