拉格朗日插值法，对缺失数据的处理

一、拉格朗日插值法

 二 、python3.8代码实现拉格朗日插值法出现错误

　　1.控制台信息

　　2.报错的关键信息

KeyError: "Passing list-likes to .loc or [] with any missing labels is no longer supported. The following labels were missing: Int64Index([-5, -4, -3, -2, -1], dtype='int64'). See https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#deprecate-loc-reindex-listlike"

　　3.注意需要修改的地方

三、正确的代码

#拉格朗日插值代码
import pandas as pd #导入数据分析库Pandas
from scipy.interpolate import lagrange #导入拉格朗日插值函数

inputfile = 'D:/Users/DELL/Desktop/数据挖掘/3数据预处理/3数据预处理/catering_sale.xls' #销量数据路径
outputfile = 'D:/Users/DELL/Desktop/数据挖掘/3数据预处理/3数据预处理/sales.xls' #输出数据路径

data = pd.read_excel(inputfile) #读入数据
data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None #过滤异常值，将其变为空值

#自定义列向量插值函数
#s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
def ployinterp_column(s, n, k=5):
#  y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取数
  y = s.iloc[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取数
  y = y[y.notnull()] #剔除空值
  return lagrange(y.index, list(y))(n) #插值并返回插值结果

#逐个元素判断是否需要插值
for i in data.columns:
  for j in range(len(data)):
    if (data[i].isnull())[j]: #如果为空即插值。
      #data[i][j] = ployinterp_column(data[i], j)
       data.loc[j,i] = ployinterp_column(data[i], j)

data.to_excel(outputfile) #输出结果，写入文件

参考博客：https://blog.csdn.net/zhoumoon/article/details/104932562