Python Pandas入門：多項式補間を使ってNaN値を埋める方法

PandasのSeriesに含まれる欠損値（NaN）を多項式補間で埋めるには、interpolate()メソッドを使用します。その際、methodパラメータに「polynomial」を指定し、orderパラメータで多項式の次数を設定します。

必要なライブラリのインポート

まず、必要なライブラリをインポートします。

import pandas as pd
import numpy as np

NaNを含むPandas Seriesの作成

次に、いくつかのNaN値を含むPandas Seriesを作成します。欠損値はNumPyのnp.nanを使って設定します。

d = pd.Series([10, 20, np.nan, 65, 75, 85, np.nan, 100])

多項式補間の実行

interpolate()メソッドのmethodパラメータに「polynomial」を指定し、orderパラメータに次数（ここでは2次）を設定して補間を実行します。

d.interpolate(method='polynomial', order=2)

サンプルコード

以下が完全なコード例です。

import pandas as pd
import numpy as np

# pandas series の作成
d = pd.Series([10, 20, np.nan, 65, 75, 85, np.nan, 100])

print("Series...\n", d)

# 多項式補間の実行
print("\nPolynomial Interpolation...\n", d.interpolate(method='polynomial', order=2))

実行結果

上記のコードを実行すると、次のような出力が得られます。

Series...
0    10.0
1    20.0
2     NaN
3    65.0
4    75.0
5    85.0
6     NaN
7   100.0
dtype: float64

Polynomial Interpolation...
0    10.000000
1    20.000000
2    42.854015
3    65.000000
4    75.000000
5    85.000000
6    93.532847
7   100.000000
dtype: float64

実行結果を見ると、元々NaNだったインデックス2と6の位置に、それぞれ42.854015と93.532847という値が補間されていることがわかります。このように多項式補間を利用することで、データ全体の傾向に沿った自然な形で欠損値を推定・補完できます。