Python Pandas-通过插值填充缺失的lat long Cordinate

使用数据帧，如下所示

Time    Lat    Long
19:24:52.135    35.61067    139.630228
19:24:52.183    NaN NaN
19:24:52.281    NaN NaN
19:24:52.378    NaN NaN
19:24:52.466    35.610692   139.630428

需要填写

Lat

和

Long

字段的

NaN

值，以便每行具有Lat/Long的NaN值时取以下值：

它们落在下一个（比如x2，y2）和下一个之间的直线上

先前的非NaN lat/long（例如x1，y1）点，并在它们之间等距分布

在上述情况下，由于有三行具有NaN表示Lat/Long，因此它们需要在非NaN行之间取3个等距点

有没有办法用熊猫来实现这一点，还是应该在户外实现

更新：

按照评论中的建议进行尝试-效果很好

您可以尝试以下方法（这是Lat的解决方案，也可以长期使用）：

让我们用最后一个not Nan Lat值创建一个新列

df['Lat_shift'] = df['Lat'].shift()
df['Lat_shift'] = df['Lat_shift'].fillna(method='ffill')

df
         Lat        Long  Lat_shift
0  35.610690  139.630428        NaN
1        NaN         NaN   35.61069
2        NaN         NaN   35.61069
3        NaN         NaN   35.61069
4  35.610692  139.630428   35.61069

现在我们可以计算我们想要的任何指标：

df['Lat_new'] = df['Lat_shift'] + (df['Lat'] - df['Lat_shift'])/2

         Lat        Long  Lat_shift    Lat_new
0  35.610690  139.630428        NaN        NaN
1        NaN         NaN   35.61069        NaN
2        NaN         NaN   35.61069        NaN
3        NaN         NaN   35.61069        NaN
4  35.610692  139.630428   35.61069  35.610691

并使用它填充nan值：

df.loc[pd.isnull(df['Lat']), 'Lat'] = df['Lat_new'].fillna(method='bfill')

df.drop(columns=['Lat_shift', 'Lat_new'])

         Lat        Long
0  35.610690  139.630428
1  35.610691         NaN
2  35.610691         NaN
3  35.610691         NaN
4  35.610692  139.630428

我希望它能有所帮助：）

按照评论中的建议进行尝试-效果不错

(Pdb) df["Long"].interpolate(method='linear')
0    139.630228
1    139.630278
2    139.630328
3    139.630378
4    139.630428
Name: Long, dtype: float64
(Pdb) df["Long"].interpolate()
0    139.630228
1    139.630278
2    139.630328
3    139.630378
4    139.630428
Name: Long, dtype: float64

---

在这种情况下，一个简单的函数可以工作吗..？或者

df.ffill（）

？阅读更多我相信@Chris idea应该会起作用，但请记住，您可能需要处理180和90坐标附近的缠绕：）

(Pdb) df["Long"].interpolate(method='linear')
0    139.630228
1    139.630278
2    139.630328
3    139.630378
4    139.630428
Name: Long, dtype: float64
(Pdb) df["Long"].interpolate()
0    139.630228
1    139.630278
2    139.630328
3    139.630378
4    139.630428
Name: Long, dtype: float64