指数衰减插值答案

【问题标题】：Exponentially decaying interpolation指数衰减插值
【发布时间】：2019-06-06 07:49:05
【问题描述】：

我不确定我是否在标题中使用了正确的技术词汇。我想要的是如下所示。

我有以下代码

import pandas as pd
import numpy as np

df = pd.DataFrame([[1, None, None, 4, None, None, None, 10]])
df = df.fillna(np.nan)
df = df.transpose().interpolate()

它做一个线性插值，这给了我类似的东西

  1.0  2.0  3.0  4.0  5.5  7.0  8.5  10.0

我想要的是指数衰减的插值。也就是说，如下所示（不是确切的值，但你明白了）。

  1.0  2.5  3.0  4.0  6.5  8.0  9.2  10.0

也就是说，我希望更近的值比远的值变化更大。 pandas 中是否有可用的插值方法可以做到这一点？

【问题讨论】：

标签： pandas scipy interpolation

【解决方案1】：

您需要对数据应用一些转换。试试这个：

df = pd.DataFrame([[1, None, None, 4, None, None, None, 10]])
df = df.fillna(np.nan)
df = 10**df
df = df.transpose().interpolate()
df = np.log10(df)

你可以利用这些力量来获得与你需要的东西相匹配的东西。

【讨论】：