Fehler beim Interpolieren über Reihen im Pandas Datenrahmen

Question

Ich möchte den Datenrahmen in der beigefügten csv für Zeile interpolieren (d. H. NaNs nach Zeile füllen). csv ist hier: https://www.dropbox.com/s/v7ee5d25tvxo625/pd_fill.csv?dl=0

Allerdings nach dem Lesen der CSV in einen Pandas-Datenrahmen, mit dem foll. Code Ich erhalte einen Fehler:

df.interpolate(axis=1) 

*** TypeError: Cannot interpolate with all NaNs. 

Wie behebt man dies und erhält Interpolation über die Reihen hinweg?

Answer 1

Sie können nur entsprechende (numerische) Spalten interpolieren.

wir .filter(regex=<RE>) Funktion verwenden, um werden die Spalten zu filtern:

In [33]: df.filter(regex='^19|20').columns 
Out[33]: 
Index(['1974', '1975', '1976', '1977', '1978', '1979', '1980', '1981', '1982', 
     '1983', '1984', '1985', '1986', '1987', '1988', '1989', '1990', '1991', 
     '1992', '1993', '1994', '1995', '1996', '1997', '1998', '1999', '2000', 
     '2001', '2002', '2003', '2004', '2005', '2006', '2007', '2008', '2009', 
     '2010', '2011', '2012', '2013', '2014', '2015'], 
     dtype='object') 

so können Sie verwenden:

df.filter(regex='^19|20').interpolate(axis=1) 

Beispiel (nur die ersten 5 Zeilen):

In [34]: df.filter(regex='^19|20').interpolate(axis=1).head() 
Out[34]: 
     1974   1975   1976   1977   1978 \ 
0  0.0  250.000000  500.000000  750.000000 1000.000000 
1 100000.0 130000.000000 160000.000000 190000.000000 220000.000000 
2  0.0  6.871795  13.743590  20.615385  27.487179 
3  0.0 9230.769231 18461.538462 27692.307692 36923.076923 
4  0.0 19000.000000 38000.000000 57000.000000 92100.000000 

      1979   1980   1981   1982   1983 \ 
0 1250.000000 1500.000000 1750.000000 2000.000000 2800.000000 
1 250000.000000 280000.000000 310000.000000 340000.000000 370000.000000 
2  34.358974  41.230769  48.102564  54.974359  61.846154 
3 46153.846154 55384.615385 64615.384615 73846.153846 83076.923077 
4 127200.000000 162300.000000 197400.000000 232500.000000 316000.000000 

     ...    2006   2007   2008   2009 \ 
0  ...  2.516660e+07 2.770800e+07 2.753100e+07 2.735400e+07 
1  ...  1.166667e+07 1.433333e+07 1.700000e+07 1.416962e+07 
2  ...  2.198974e+02 2.267692e+02 2.336410e+02 2.405128e+02 
3  ...  6.394286e+05 7.060000e+05 7.060000e+05 7.060000e+05 
4  ...  2.550200e+07 2.655350e+07 2.760500e+07 2.865650e+07 

      2010   2011   2012   2013  2014 \ 
0 2.717700e+07 2.700000e+07 2.809050e+07 2.918100e+07 29181000.0 
1 1.133923e+07 8.508848e+06 5.678463e+06 2.848079e+06  17695.0 
2 2.473846e+02 2.542564e+02 2.611282e+02 2.680000e+02  268.0 
3 7.060000e+05 7.060000e+05 7.060000e+05 7.060000e+05 706000.0 
4 2.970800e+07 3.075950e+07 3.181100e+07 3.181100e+07 31811000.0 

     2015 
0 29181000.0 
1  17695.0 
2  268.0 
3 706000.0 
4 31811000.0 

[5 rows x 42 columns]