Разница в методах интерполяции панд

Question

мне нужно проверить разницу между «индексным» методом интерполяции и «линейным» методом интерполяции

я создал один случайный ряд панд с пропущенными значениями, а затем проверил результаты интерполяции линейным методом ииндексный метод

, но оба они возвращают один и тот же результат.Так должен ли он возвращать тот же результат?если да, то в каком случае я могу увидеть другие результаты?

s = pd.Series([21,13,np.nan,152,np.nan,46,98])
s.interpolate(method = 'index')
s.interpolate(method = 'linear')

Я получаю следующие результаты:

s.interpolate(method = 'index')
0     21.0
1     13.0
2     82.5
3    152.0
4     99.0
5     46.0
6     98.0
dtype: float64


s.interpolate(method = 'linear')
0     21.0
1     13.0
2     82.5
3    152.0
4     99.0
5     46.0
6     98.0
dtype: float64

Answer 1

Оба метода linear и index будут выполнять линейную интерполяцию для Серии;разница заключается в том, какие значения рассматриваются как независимая переменная:

• method = 'index' использует числовые значения индекса (если в вашей серии не указан индекс, по умолчанию используется значение 0, 1,2, ..., n - 1)
• method = 'linear' рассматривает элементы Серии как одинаково расположенные (без учета любых значений, указанных в индексе);это, конечно, эквивалентно использованию последовательности 0, 1, 2, ..., n - 1 в качестве диапазона независимых переменных

Итак, для любой серии, где индекс является значением по умолчанию (или любойдругая арифметическая прогрессия, например, 0, 2, 4, 6, ...) оба эти параметра дадут одинаковые результаты.

Answer 2

Если ваш index равен range или имеет одинаковый индекс разрыва и линейный результат, то получите тот же результат, попробуйте использовать приведенный ниже пример

s = pd.Series([21,13,np.nan,152,np.nan,46,98],index=[0,1,3,4,7,9,10])
s.interpolate(method = 'index')
Out[536]: 
0      21.000000
1      13.000000
3     105.666667
4     152.000000
7      88.400000
9      46.000000
10     98.000000
dtype: float64
s.interpolate(method = 'linear')
Out[537]: 
0      21.0
1      13.0
3      82.5
4     152.0
7      99.0
9      46.0
10     98.0
dtype: float64