基于其两个邻居(上下或左右)的pandas数据帧中NaN的线性插值

编辑:您更新了问题,根据索引中的时间戳差异进行插值,将这些比例应用于数据帧值。

这里有一个粗略的方法,实际上应该相当快:

ts = pd.to_datetime(['2014-01-08 08:00:42',
                     '2014-01-08 08:01:00',
                     '2014-01-08 08:01:12',
                     '2014-01-08 08:01:52',
                     '2014-01-08 08:02:02'])

df = pd.DataFrame([1, np.nan, 3, 7, 9], index=ts, columns=['value'])
td = df.index.to_series().diff().dt.total_seconds()
interp = df.value.shift(1) + (df.value.shift(-1) - df.value.shift(1)) \
       * td / (td.shift(-1) + td)

df['value'] = df['value'].fillna(interp)
print(df)
                     value
2014-01-08 08:00:42    1.0
2014-01-08 08:01:00    2.2
2014-01-08 08:01:12    3.0
2014-01-08 08:01:52    7.0
2014-01-08 08:02:02    9.0

在本例中,第二位置的NaN具有分别低于18个单位和高于12个单位的时间增量差。因此,它应该用值1+(3-1)*(18/(18+12))填充。

你也可以简化数学。

还有一件事:在研究这个答案时,我问了自己一个关于计算时间增量的问题@piRSquared有一个更快的解决方案 here 如果速度对你来说很重要。