【问题标题】：pandas extrapolation of polynomial多项式的熊猫外推
【发布时间】：2015-09-17 15:13:00
【问题描述】：

使用df.interpolate() 在 pandas 中很容易进行插值 pandas 中是否有一种方法可以以同样优雅的方式进行推断。我知道我的外推适合二次多项式。

【问题讨论】：

您可能必须使用scipy.interpolate.UnivariateSpline，它有一个ext 选项。
Related: Extrapolate values in Pandas DataFrame，不过是一个更简单的情况，可以通过其他方法解决。
该问题现在有一个answer，其中包含多项式外推的详细信息。

【解决方案1】：

“以同样的优雅”是一个有点高的要求，但这是可以做到的。据我所知，您需要手动计算外推值。请注意，除非您操作的数据实际上遵守插值形式的定律，否则这些值不太可能非常有意义。

例如，由于您要求进行二次多项式拟合：

import numpy as np
t = df["time"]
dat = df["data"]
p = np.poly1d(np.polyfit(t,data,2))

现在 p(t) 是时间 t 的最佳拟合多项式的值。

【讨论】：

【解决方案2】：

外推

请参阅此answer，了解如何将DataFrame 和3^rd order polynomial 的每一列的值extrapolate。通过更改func()，可以轻松使用different order (e.g. 2^nd order) polynomial。

来自answer的片段

# Function to curve fit to the data
def func(x, a, b, c, d):
    return a * (x ** 3) + b * (x ** 2) + c * x + d

# Initial parameter guess, just to kick off the optimization
guess = (0.5, 0.5, 0.5, 0.5)

# Create copy of data to remove NaNs for curve fitting
fit_df = df.dropna()

# Place to store function parameters for each column
col_params = {}

# Curve fit each column
for col in fit_df.columns:
    # Get x & y
    x = fit_df.index.astype(float).values
    y = fit_df[col].values
    # Curve fit column and get curve parameters
    params = curve_fit(func, x, y, guess)
    # Store optimized parameters
    col_params[col] = params[0]

# Extrapolate each column
for col in df.columns:
    # Get the index values for NaNs in the column
    x = df[pd.isnull(df[col])].index.astype(float).values
    # Extrapolate those points with the fitted function
    df[col][x] = func(x, *col_params[col])

【讨论】：