Pandas dataframe.interpolate()功能本质上是用来填充NA DataFrame 或系列中的值。但是，这是一个非常强大的功能，可以填补缺失的值。它使用各种插值技术来填充缺失值，而不是hard-coding值。

pandas.DataFrame.interpolate函数简介

具体用法:

DataFrame.interpolate(self, method='linear', axis=0, limit=None, inplace=False, limit_direction='forward', limit_area=None, downcast=None, **kwargs)

参数:

• method:{“线性”，“时间”，“索引”，“值”，“最近”，“零”，“线性”，“二次”，“三次”，“重心”，“克罗格”，“多项式”，“样条”，“ piecewise_polynomial”，“ from_derivatives”，“ pchip”，“ akima”}
• axis:0填充column-by-column和1填充row-by-row。
• limit:要填充的连续NaN的最大数量。必须大于0。
• limit_direction:{“前进”，“后退”，“两者”}，默认为“前进”
• limit_area:无(默认)无填充限制。inside 仅填充有效值包围的NaN(内插)。outside 仅将NaN填充到有效值之外(外推)。如果指定了限制，则将沿该方向填充连续的NaN。
• inplace:如果可能，更新NDFrame。
• downcast:如果可能，请向下转换dtypes。
• kwargs:关键字参数传递给插值函数。

**返回值：**在NaN处插补的相同形状的Series或DataFrame

范例1：采用interpolate()函数使用线性方法填充缺失值。

import numpy as np
import pandas as pd

df = pd.DataFrame(data=[np.nan, 2, np.nan, 6, np.nan])
print(df)

输出结果:

df.interpolate(method='linear', limit_direction='forward')

输出结果:

正如我们看到的输出，第一行中的值无法填充，因为值的填充方向为forward并且没有可用于插值的先前值。

范例2：采用interpolate()函数使用线性方法向后插值缺失值

df = pd.DataFrame([(0.0, np.nan, -1.0, 1.0),
                   (np.nan, 2.0, np.nan, np.nan),
                   (2.0, 3.0, np.nan, 9.0),
                   (np.nan, 4.0, -4.0, 16.0)],
                   columns=list('abcd'))
print(df)            

输出结果:

df.interpolate(method='linear', limit_direction='backward', axis=0)

输出结果:

最后一行中的值无法填充，因为值的填充方向为backward并且没有可用于插值的后续值。