Python - Pandas：如何在呈指数增长的值之间进行插值？

【问题标题】：Python - Pandas: how can I interpolate between values that grow exponentially?Python - Pandas：如何在呈指数增长的值之间进行插值？
【发布时间】：2020-07-05 15:48:36
【问题描述】：

我有一个熊猫系列，其中包含产品的价格演变（我的国家通货膨胀率很高），或者说，某个国家的冠状病毒感染人数。这两个数据集中的值都呈指数增长；这意味着如果您有类似 [3, NaN, 27] 的内容，您需要进行插值，以便在这种情况下用 9 填充缺失值。我检查了 Pandas 文档中的插值方法，但除非我遗漏了什么，否则我没有找到任何关于这种插值类型的信息。

我可以手动做，你只需取几何平均值，或者在更多值的情况下，通过做（最终值/初始值）^（1/它们之间的距离）得到平均增长率，然后相应地相乘.但是我的系列中有很多值要填写，那么我该如何自动完成呢？我想我错过了一些东西，因为这似乎是非常基本的东西。

谢谢。

【问题讨论】：

标签： python pandas time-series interpolation exponential

【解决方案1】：

您可以取序列的对数，进行线性插值，然后将其转换回指数刻度。

import pandas as pd
import numpy as np

arr = np.exp(np.arange(1,10))
arr = pd.Series(arr)
arr[3] = None

0       2.718282
1       7.389056
2      20.085537
3            NaN
4     148.413159
5     403.428793
6    1096.633158
7    2980.957987
8    8103.083928
dtype: float64

arr = np.log(arr) # Transform according to assumed process.
arr = arr.interpolate('linear') # Interpolate.
np.exp(arr) # Invert previous transformation.

0       2.718282
1       7.389056
2      20.085537
3      54.598150
4     148.413159
5     403.428793
6    1096.633158
7    2980.957987
8    8103.083928
dtype: float64

【讨论】：

这非常完美而且非常简单！我真的很沮丧，因为我自己没有考虑过。我仍然想知道是否有 - 或者应该有 - 一步解决方案。谢谢！
指数过程已经足够流行，可以证明默认的一步设置是合理的，我同意！