Экстраполяция набора данных на основе индекса

Я пытаюсь экстраполировать свой набор данных. Фрагмент выглядит следующим образом. Здесь подойдет простая линейная экстраполяция:

Index Value
3000  NaN
4000  NaN
5000  10
6000  20
6500  33
7000  44  
8300  60
9300  NaN
9400  NaN

Экстраполяция должна учитывать значения индекса. Поскольку пакет pandas предоставляет только функцию интерполяции, я застрял. Я посмотрел на пакет scipy, но не могу реализовать свою идею. Был бы очень признателен за любую помощь.


python pandas scipy extrapolation
person rennigeb_tob    schedule 11.08.2020    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Я больше знаком с scikit-learn:

import pandas as pd
import numpy as np

from sklearn.linear_model import LinearRegression

df = pd.DataFrame([(3000,  np.nan),
(4000,  np.nan),
(5000,  10),
(6000,  20),
(6500,  33),
(7000,  44  ),
(8300,  60),
(9300,  np.nan),
(9400,  np.nan)], columns=['Index', 'Value'])

def extrapolate(df, X_col, y_col):
    
    df_ = df[[X_col, y_col]].dropna()
    
    return LinearRegression().fit(
        df_[X_col].values.reshape(-1,1), df_[y_col]).predict(
        df[X_col].values.reshape(-1,1))

df['Value_'] = extrapolate(df, 'Index', 'Value')
df

Вы должны получить что-то вроде этого:

    Index   Value   Value_
0   3000    NaN     -23.219022
1   4000    NaN     -7.314802
2   5000    10.0    8.589417
3   6000    20.0    24.493637
4   6500    33.0    32.445747
5   7000    44.0    40.397857
6   8300    60.0    61.073342
7   9300    NaN     76.977562
8   9400    NaN     78.567984

# I assume you don't want to extrapolate the orginal values
df['Value'] = df['Value'].fillna(df['Value_'])
df

Дает:

    Index   Value   Value_
0   3000    -23.219022  -23.219022
1   4000    -7.314802   -7.314802
2   5000    10.000000   8.589417
3   6000    20.000000   24.493637
4   6500    33.000000   32.445747
5   7000    44.000000   40.397857
6   8300    60.000000   61.073342
7   9300    76.977562   76.977562
8   9400    78.567984   78.567984
person dokteurwho    schedule 11.08.2020