Python 线性插值年度至季度数据-误差

我有一些国家的年度时间序列数据，我想用R或Python线性插值，使它们成为季度数据。到目前为止关于stackoverflow的讨论并没有回答我的问题

我一直在遵循Jason Brownlee的详细记录程序，即：

在我看来，情况如下：

YEAR CH  FR   US
2005 200 700  500
2006 300 740  530
2007 450 760  600

代码方面，我根据自己的需要改写了博客的示例：

def parser(x):
    return datetime.strptime('2005' + x, '%Y')

data = read_csv('data.csv', sep=';', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser = parser)

我收到一条很长的错误消息：

ValueError:未转换的数据仍然：+x

1） 如果我没有将

+x

添加到解析器定义中，那么所有年份在每次观察中都是相同的。解析器出了什么问题

2） 关于如何同时处理多个时间序列（即CH、FR、US）有何想法？ 我不想为了这个准备步骤而把我的数据分开

---

3） 如果有人对如何在R中实现这一点提出建议，我会非常高兴，所有的过程似乎都很长，并没有得到我真正需要的东西。

下面的基本R解决方案使用

approxfun

创建插值函数，并随年份和季度调用它。插值方法是默认的

method=“linear”

---

year\u qtr为什么将此标记为
r
？“使用r或Python”不关注单一语言的问题通常是关闭的。
year_qtr <- function(x, years){
  f <- approxfun(years, x)
  n <- length(years)
  qtrs <- unlist(lapply(years[-n], function(y) y + (0:3)/4))
  qtrs <- c(qtrs, years[n])
  list(x = qtrs, y = f(qtrs))
}

year_qtr(df1$CH, df1$YEAR)
#$x
#[1] 2005.00 2005.25 2005.50 2005.75 2006.00 2006.25 2006.50
#[8] 2006.75 2007.00
#
#$y
#[1] 200.0 225.0 250.0 275.0 300.0 337.5 375.0 412.5 450.0

df1 <- read.table(text = "
YEAR CH  FR   US
2005 200 700  500
2006 300 740  530
2007 450 760  600
", header = TRUE)