Interpolazione lineare con numpy.interp

Question

Ho un array 1 dimensionale A di float che è principalmente buono ma mancano alcuni valori. I dati mancanti sono sostituiti con nan (non un numero). Devo sostituire i valori mancanti nella matrice mediante interpolazione lineare dai buoni valori vicini. Così, per esempio:

F7(np.array([10.,20.,nan,40.,50.,nan,30.])) 

dovrebbe restituire

np.array([10.,20.,30.,40.,50.,40.,30.]). 

Qual è il miglior modo di fare di questo con Python?

Qualsiasi aiuto sarebbe molto apprezzato

Grazie

Answer 1

Si potrebbe utilizzare scipy.interpolate.interp1d:

>>> from scipy.interpolate import interp1d 
>>> import numpy as np 
>>> x = np.array([10., 20., np.nan, 40., 50., np.nan, 30.]) 
>>> not_nan = np.logical_not(np.isnan(x)) 
>>> indices = np.arange(len(x)) 
>>> interp = interp1d(indices[not_nan], x[not_nan]) 
>>> interp(indices) 
array([ 10., 20., 30., 40., 50., 40., 30.]) 

EDIT: mi c'è voluto un po 'per capire come np.interp opere, ma che può fare anche il lavoro:

>>> np.interp(indices, indices[not_nan], x[not_nan]) 
array([ 10., 20., 30., 40., 50., 40., 30.]) 

Answer 2

Vorrei andare con pandas. Un approccio minimalista con un oneliner:

from pandas import * 
a=np.array([10.,20.,nan,40.,50.,nan,30.]) 
Series(a).interpolate() 

Out[219]: 
0 10 
1 20 
2 30 
3 40 
4 50 
5 40 
6 30 

Oppure, se si vuole mantenere come un array:

Series(a).interpolate().values 

Out[221]: 
array([ 10., 20., 30., 40., 50., 40., 30.])