缺失值插入方法——interpolate()

DataFrame对象的interpolate()方法用来计算插值结果并填充缺失值，其完整语法如下：

interpolate(method:'str' = 'linear',axis:'Axis' = 0,
            limit:'int | None' = None,inplace:'bool' = False,
            limit_direction:'str | None' = None,
            limit_area:'str | None' = None,
            downcast:'str | None' = None,**kwargs)

1.interpolate()方法参数详解

(1）method: 'str' = 'linear'
        A：含义：指定插值方法。默认是 'linear'（线性插值），其他可选方法包括 'nearest', 'zero', 'slinear', 'quadratic', 'cubic', 'spline', 'barycentric' 等。
        B：linear: 线性插值，使用线性函数连接两个点。线性插值虽然计算简单且易于实现，但它假设数据点之间的变化是均匀的，这在实际应用中可能并不总是成立。在数据变化较为复杂或需要较高插值精度的情况下，可能需要考虑使用更高级的插值方法，如多项式插值、样条插值等。
        C:nearest:使用最近的非缺失值进行插值。如果左侧和右侧都有非缺失值，将随机选择一个方向。
        D:zero:零阶保持插值，等价于最近邻插值，但此方法在处理时间序列时，更明确地表示为保持最近值不变。
        E:slinear:简化线性插值。使用分段线性函数来连接数据点。
        F:quadratic:二次插值。使用二次多项式函数来近似数据点之间的关系。适用于数据点平滑变化的场景。
        G:cubic:三次插值。使用三次多项式函数连接数据点，适用于需要更高阶平滑度的场景。
        H:spline:样条插值，具体类型如 'spline', 'b-spline', 'krogh' 等。样条插值通常指定阶数，如 spline(n)，其中 n 是插值多项式的阶数，最常见的是 spline(3)，即三次样条插值。样条插值可以提供高阶连续性和平滑度。
I:barycentric:基于拉格朗日多项式的插值方法，通过计算权重来确定插值点的值。这种方法的计算复杂度随数据点数量线性增长。

(2)axis: 'Axis' = 0
        含义：指定插值的轴。0 或 'index' 表示按行插值，1 或 'columns' 表示按列插值。

(3)limit: 'int | None' = None
        含义：限制连续插值的最大次数。如果缺失值连续超过此限制，将不被插值。

(4)inplace: 'bool' = F