使用Scipy.interpolate.splev进行外推以填充缺少的数据Python/Pandas

我试图用外推法来获得一些缺失数字的数据，我真的很挣扎

以下是一些期权数据，以履约价格为指数，波动率为

MidVol

。我要做的是为各种未列出的罢工查找

MidVol

，例如2000.0、3000.0或30000.0或40000.0

         MidVol    CallDelta PutDelta
4000.0   0.757832  0.910918 -0.089082
5000.0   0.739650  0.844523 -0.155477
6000.0   0.742915  0.766228 -0.233772
7000.0   0.733530  0.685637 -0.314363
8000.0   0.753219  0.610900 -0.389100
9000.0   0.750366  0.539006 -0.460994
10000.0  0.756793  0.476428 -0.523572
11000.0  0.774761  0.426470 -0.573530
12000.0  0.781004  0.379058 -0.620942
14000.0  0.795634  0.303317 -0.696683
16000.0  0.812305  0.247911 -0.752089
18000.0  0.831367  0.207874 -0.792126
20000.0  0.852848  0.179159 -0.820841

我使用了

poly1d

和

interp1d

为当前数据绘制了一条曲线，而

interp1d

似乎是唯一一个具有外推功能的，您认为这是一个好的外推功能。我对该曲线的代码是：

curve=interp1d（df.index，df['MidVol']，kind='cubic'，fill_value='extraction'）

然后将使用以下代码计算缺失的罢工：

missing = [20000, 22000,24000,26000,28000,30000]
extrap = [f(x).item() for x in sample]

然而，当我试图推断并获取不在

df

中的点的数据时，我得到了一个笑话：

首先，有人知道为什么外推法失败得很惨吗？30000.0次罢工的中期产量应该在0.95左右

此后，我偶然发现了

scipy.splev

，它实际上比我认为的

interp1d

更适合数据。我使用的代码是：

ipo = spi.splrep(df.index, df['MidVol'], k=5, s=6)
iy = spi.splev(df.index, ipo)

我还注意到文档中有一个

ext

变量，它说

如果ext=0，则返回外推值。

。这是不是意味着我可以用这个来推断？如果是这样的话，有谁能解释一下我是如何做到这一点的，就像我在上面用

missing=[20000，2200024000260002800030000]

做的那样，然后计算每个缺失的击键的

MidVol

---

如果有人能解释我的任何一个问题（为什么

interp1d

不能正确外推，或者如何使用

splev

外推），我将非常感激。

您可以通过

make\u interp\u spline

或

CubicSpline

bc\u类型参数多少控制外推模式。例如，您可以使用bc_type=“natural”强制进行线性外推

“首先，有人知道为什么外推失败得很惨吗？”您使用了参数

kind='quadratic'

，这些外推曲线看起来像抛物线，正如您所要求的那样！哦，很抱歉，很公平，这是我从这里得到的答案，生成的图表看起来正是我想要的。我改为“立方体”，图形更糟。我是否应该使用另一种“类型”？