拉格朗日差值

缺失值处理：

举止，中位数，众数插补法

使用固定值（规定的标准值）

最近邻插补法

回归方法

插值法

插值法有拉格朗日差值和牛顿插值法。

一个较大的区别是，当节点增减的时候，拉格朗日插值必须重新计算，牛顿法则 可以避免这一点。

下面是python
scipy中的lagrange插值函数的使用，使用某个插值点前后的5个值x=[0,1,2,3,4,6,7,8,9,10]，y=[y0,y1,y2,y3,y4,y6,y7,y8,y9,y10]一共10个点，我们要求的是5对应的y5，这里的的参数为[a9...a0]一个10个值

对应的方程为

y=a9x^9+...+a1x+a0

我们带入要插值的数值x=5，一般为下标值

得出我们要求的5的插值y

    #-*- coding:utf-8 -*-
    **import** pandas **as** pd
    **from** scipy.interpolate **import** lagrange
    
    inputfile = 'catering_sale.xls'
    outputfile= 'sales.xls'
    
    data = pd.read_excel(inputfile)#读取excel
    data[u'销量'][(data[u'销量']<400)|(data[u'销量']>5000)]= **None** #异常值变为空值
    
    **def** ployinterp_column(s,n,k=5):#默认是前后5个
        #tem=list(range(n-k,n))+list(range(n+1,n+1+k))
        y=s[list(range(n-k,n))+list(range(n+1,n+1+k))]#取数，n的前后5个，这里有可能取到不存在的下标，为空
        y=y[y.notnull()]#如果y里面有空值的话就去掉
        #teml=lagrange(y.index,list(y))#这里代表的就是参数ai
        **return** lagrange(y.index,list(y))(n)#最后的括号就是我们要插值的n
    **for** i **in** data.columns:
        **if** i==u'日期':
            **continue** **for** j **in** range(len(data)):
            **if** (data[i].isnull())[j]:#空值进行插值
                data[i][j] = ployinterp_column(data[i],j)
    data.to_excel(outputfile)
[/code]

  


![在这里插入图片描述](https://www.icode9.com/i/ll/?i=20210608151750993.gif)

标签：拉格朗,插值,list,插值法,range,差值,lagrange,data
来源： https://www.cnblogs.com/lj-C/p/14981491.html