基于Pandas中100%列趋势的多项式插值及线性插值无效问题

我来帮你搞定这个问题！核心思路是不要单独对90%、80%列做插值，而是基于100%列的变化比例来计算这两列的中间值，这样才能完全匹配100%列的非线性趋势。下面一步步来：

1. 先预处理数据（解决之前插值失效的潜在问题） #

首先确保你的日期索引是datetime类型——这很可能是你之前线性插值没生效的原因之一，Pandas需要识别时间序列的连续性才能正确插值。执行：

df.index = pd.to_datetime(df.index)

假设你的DataFrame里，100%列是完整无缺失的（作为趋势基准），90%、80%列只有首尾两行有值，中间全是NaN。先把关键值提取出来：

# 所有列起始值相同，直接取100%列的第一个值
start_val = df['100%'].iloc[0]
# 获取100%列的最终值
end_100 = df['100%'].iloc[-1]
# 计算90%、80%列的目标最终值
end_90 = end_100 * 0.9
end_80 = end_100 * 0.8

# 如果你的90%、80%列最后一行还没填值，先补上
df.loc[df.index[-1], '90%'] = end_90
df.loc[df.index[-1], '80%'] = end_80

2. 按100%列的趋势计算插值 #

核心逻辑是：让90%、80%列的相对变化幅度和100%列完全一致。比如100%列从起始值到最终值涨了X%，那90%列也涨相同的比例，只是最终值是100%列的90%。

用代码实现这个逻辑：

# 计算相对变化比例
ratio_90 = (end_90 - start_val) / (end_100 - start_val)
ratio_80 = (end_80 - start_val) / (end_100 - start_val)

# 填充90%和80%列的所有缺失值
df['90%'] = start_val + (df['100%'] - start_val) * ratio_90
df['80%'] = start_val + (df['100%'] - start_val) * ratio_80

这样处理后，不管100%列是线性还是非线性变化，90%、80%列都会完美贴合它的趋势，最终达到各自的目标值。

3. 聊聊你之前线性插值失效的原因 #

你说线性插值后DataFrame没变化，大概率是这两个坑：

• 日期索引不是datetime类型，Pandas没法识别时间序列的连续性，插值逻辑不生效；
• 你可能没指定插值的方向或方法，比如默认的interpolate()需要加上method='linear'和limit_direction='both'才能填充首尾之间的所有NaN。不过就算生效了，线性插值也没法匹配100%列的非线性趋势，所以上面的方法才是更适合你的方案。

举个实际例子：如果100%列是从6涨到10的非线性曲线（比如先慢后快），那么90%列会从6涨到9，每一步的变化比例都和100%列完全一致，而不是简单的从6到9的直线填充。

内容的提问来源于stack exchange，提问作者red79phoenix