Graphs de différentes méthodes de pandas.DataFrame.interpolate

interpolate_method.png

interpolate_method.py

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import time

np.random.seed(6)
# kinds = ('linear', 'nearest', 'zero', 'slinear', 'quadratic', 'cubic')
kinds = ('linear', 'index', 'pad', 'values', 'nearest', 'zero', 'slinear',
         'quadratic', 'cubic', 'barycentric', 'krogh', 'akima',
         'from_derivatives', 'pchip', 'spline', 'polynomial')

N = 10
x = np.linspace(0, 1, N)
y = np.random.randint(10, size=(N,))

new_x = np.linspace(0, 1, 28)
fig, axs = plt.subplots(nrows=len(kinds) // 2 + 1, ncols=2, sharex=True)
axs[0, 0].plot(x, y, 'bo-')
axs[0, 0].set_title('raw')
i = 1
for ((_, _), ax), kind in zip(np.ndenumerate(axs[1:, :]), kinds):
    start_time = time.time()
    df1 = pd.DataFrame({'x': x, 'y': y})
    df1 = df1.set_index('x')
    df2 = pd.DataFrame({'x': new_x})
    df2 = df2.set_index('x')
    df = pd.merge(df1, df2, left_index=True, right_index=True, how='outer')
    if kind == 'spline' or kind == 'polynomial':
        df = df.interpolate(method=kind, order=2)
    else:
        df = df.interpolate(method=kind)
    ax.plot(df, 'ro-')
    ax.plot(x, y, 'bo')
    end_time = (time.time() - start_time)
    title = f'Method : {kind} - Ran in {end_time:.5f} sec'
    ax.set_title(title)
plt.show()

interpolate_method_pandas.md

pandas.DataFrame.interpolate

Graphs de différentes méthodes de pandas.DataFrame.interpolate

Prerequisites ⁉️

You need :

• Python 3.7 (Anaconda)

Getting Started

Read and Run 😎

Description :

Il existe dans pandas plusieurs méthodes pour interpoler les points manquants dans une série de données. Ces méthodes sont expliqués sur :

• https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.interpolate.html#pandas.DataFrame.interpolate
• https://docs.scipy.org/doc/scipy/reference/interpolate.html

Le script suivant permet d'afficher des graphs montrant les différences d'interpolations. Pour informations :

• La méthode "nearest" est celle qui a été utilisé dans excel (je pense). Elle consiste à renvoyer la valeur de y correspondant au x le plus proche.
• Les méthodes "zero", "slinear", "quadratic", "cubic" sont tous des "splines" avec une interpolation d'ordre respectivement 0,1,2 et 3.
• La méthode "barycentric" correspond à une fonction polynôme passant par un ensemble de points
• "krogh" utilise dérivées successives du polynôme précédent
• "pchip" veut dire "piecewise cubic hermite interpolating polynomial"
• "Akima" utilise des sous-splines

Script

See interpolate_method.py

Graphs

See interpolate_method.png

Author 💻

• Yassine Gangat - gyassine

Acknowledgments 👍

• Inspired by :
  • https://stackoverflow.com/questions/27698604/what-do-the-different-values-of-the-kind-argument-mean-in-scipy-interpolate-inte