Python 熊猫系列中的加权插值 让我们考虑一系列的值： s = pandas.Series([0, np.nan, np.nan, 1])

还有一系列的重量：

w = pandas.Series([np.nan, 1, 0, 1])

一个经典的线性插值会给我：

>>> s.interpolate()
0    0.000000
1    0.333333
2    0.666667
3    1.000000
dtype: float64

我需要一个加权插值方法，它考虑<代码> W[i] ~s[i] -s[-1] < /Cord>，并且应该返回：

>>> weighted_interpolate(s, w)
0    0.000000
1    0.500000
2    0.500000
3    1.000000
dtype: float64

---

我怎样才能做到这一点？我找到了分段多项式的方法，但我不知道如何使它工作。

迈克尔给了我需要的提示。下面是一个仅使用UFUNC（例如numpy函数）的加权插值示例

作为pd进口熊猫 将numpy作为np导入

s = pd.Series([0, np.nan, np.nan, 1, np.nan, np.nan, np.nan, 2])
w = pd.Series([0, 1, 0, 1, 1, 2, 0, 1])
print(s.interpolate())
sb = s.fillna(method='ffill')
se = s.fillna(method='bfill')
cw = w.cumsum()
w2 = pd.Series(None, index=s.index)
w2[~np.isnan(s)] = cw[~np.isnan(s)]
wb = w2.fillna(method='ffill')
we = w2.fillna(method='bfill')
cw = (cw - wb) / (we - wb)
r = sb + cw * (se - sb)
r.update(s)
print(r)

在已知点的绘图下方，使用线性插值和加权插值

---

我很快就要做加权插值了！我希望我能在SciPy找到一些东西。如果没有，我将不得不手动完成……这看起来像是你可以用累计和

w做的事情。cumsum（）

可能会给你一些东西，你可以用你试图插值的范围乘以。考虑到你的第一个权重是

NaN

，你在

s

中的下两个点也是

NaNs

，在我看来，100%的权重将应用于你的最后一点，即

NaN，NaN，NaN，1

。在我的情况下，第一个权重是“无用的”，因为它与

i

中的导数成比例，计算为

s[i]-s[i-1]