Interpolar (ou extrapolar) apenas pequenas lacunas no quadro de dados dos pandas
Eu tenho um DataFrame pandas com o tempo como índice (1 min Freq) e várias colunas no valor de dados. Às vezes, os dados contêm NaN. Nesse caso, desejo interpolar apenas se o intervalo não for maior que 5 minutos. Nesse caso, isso seria no máximo 5 NaNs consecutivos. Os dados podem ter esta aparência (vários casos de teste, que mostram os problemas):
import numpy as np
import pandas as pd
from datetime import datetime
start = datetime(2014,2,21,14,50)
data = pd.DataFrame(index=[start + timedelta(minutes=1*x) for x in range(0, 8)],
data={'a': [123.5, np.NaN, 136.3, 164.3, 213.0, 164.3, 213.0, 221.1],
'b': [433.5, 523.2, 536.3, 464.3, 413.0, 164.3, 213.0, 221.1],
'c': [123.5, 132.3, 136.3, 164.3] + [np.NaN]*4,
'd': [np.NaN]*8,
'e': [np.NaN]*7 + [2330.3],
'f': [np.NaN]*4 + [2763.0, 2142.3, 2127.3, 2330.3],
'g': [2330.3] + [np.NaN]*7,
'h': [2330.3] + [np.NaN]*6 + [2777.7]})
É assim:
In [147]: data
Out[147]:
a b c d e f g h
2014-02-21 14:50:00 123.5 433.5 123.5 NaN NaN NaN 2330.3 2330.3
2014-02-21 14:51:00 NaN 523.2 132.3 NaN NaN NaN NaN NaN
2014-02-21 14:52:00 136.3 536.3 136.3 NaN NaN NaN NaN NaN
2014-02-21 14:53:00 164.3 464.3 164.3 NaN NaN NaN NaN NaN
2014-02-21 14:54:00 213.0 413.0 NaN NaN NaN 2763.0 NaN NaN
2014-02-21 14:55:00 164.3 164.3 NaN NaN NaN 2142.3 NaN NaN
2014-02-21 14:56:00 213.0 213.0 NaN NaN NaN 2127.3 NaN NaN
2014-02-21 14:57:00 221.1 221.1 NaN NaN 2330.3 2330.3 NaN 2777.7
Estou cientedata.interpolate()
mas possui várias falhas, pois produz esse resultado, o que é bom para as colunas a-e, mas para as colunas f-h falha por diferentes razões:
a b c d e f g \
2014-02-21 14:50:00 123.5 433.5 123.5 NaN NaN NaN 2330.3
2014-02-21 14:51:00 129.9 523.2 132.3 NaN NaN NaN 2330.3
2014-02-21 14:52:00 136.3 536.3 136.3 NaN NaN NaN 2330.3
2014-02-21 14:53:00 164.3 464.3 164.3 NaN NaN NaN 2330.3
2014-02-21 14:54:00 213.0 413.0 164.3 NaN NaN 2763.0 2330.3
2014-02-21 14:55:00 164.3 164.3 164.3 NaN NaN 2142.3 2330.3
2014-02-21 14:56:00 213.0 213.0 164.3 NaN NaN 2127.3 2330.3
2014-02-21 14:57:00 221.1 221.1 164.3 NaN 2330.3 2330.3 2330.3
h
2014-02-21 14:50:00 2330.300000
2014-02-21 14:51:00 2394.214286
2014-02-21 14:52:00 2458.128571
2014-02-21 14:53:00 2522.042857
2014-02-21 14:54:00 2585.957143
2014-02-21 14:55:00 2649.871429
2014-02-21 14:56:00 2713.785714
2014-02-21 14:57:00 2777.700000
f) A diferença consiste em 4 minutos de NaNs no início, eles devem ser substituídos por esse valor 2763,0 (ou seja, extrapolar para trás no tempo)
g) O intervalo é superior a 5 minutos, mas ainda é extrapolado
h) O intervalo é superior a 5 minutos, mas o intervalo ainda é interpolado.
Eu entendo essas razões, é claro que em nenhum lugar especifiquei que não deveria interpolar lacunas mais longas que 5 minutos. Eu entendi aquilointerpolate
só extrapola para a frente no tempo, mas quero que também extrapole para trás no tempo. Existe algum método conhecido que eu possa usar para o meu problema, sem reinventar a roda?
Edit: O métododata.interpolate
aceita o parâmetro de entradalimit
, que define o número máximo de NaNs consecutivos a serem substituídos por interpolação. Mas isso ainda interpola até o limite, mas eu quero continuar com todos os NaNs nesse caso.