使用 Pandas 在开始和结束期间之间用 CAGR 填充 NaN 值块的更简洁的方法

Question

样本数据：

data = {'year':[2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020],
        'revenue' : [100, np.nan, np.nan, 108, 118, np.nan, np.nan, np.nan, 127, 135]}
df = pd.DataFrame(data).set_index('year')
df

Output：

        revenue
year    
2011    100.0
2012    NaN
2013    NaN
2014    108.0
2015    118.0
2016    NaN
2017    NaN
2018    NaN
2019    127.0
2020    135.0

我想填写与其包含的第一个和最后一个已知时期的复合年增长率 (CAGR) 相对应的每个 NaN 值。 通过使用以下等式计算图中 2 个 NaN 值块的复合年增长率：

growthA=((df.loc[2014,'revenue']/df.loc[2011,'revenue'])**(1/len(df.loc[2011:2014])))

growthB=((df.loc[2019,'revenue']/df.loc[2015,'revenue'])**(1/len(df.loc[2015:2019])))

注意：我省略了 -1，所以我可以将每次迭代乘以我的增长变量。

现在我可以按如下方式填写 NaN 值：

df.loc[2012, 'revenue'] = df.loc[2011, 'revenue'] * growthA
df.loc[2013, 'revenue'] = df.loc[2012, 'revenue'] * growthA

df.loc[2016, 'revenue'] = df.loc[2015, 'revenue'] * growthB
df.loc[2017, 'revenue'] = df.loc[2016, 'revenue'] * growthB
df.loc[2018, 'revenue'] = df.loc[2017, 'revenue'] * growthB

df

产生我想要的 output：

        revenue
year    
2011    100.000000
2012    101.942655
2013    103.923048
2014    108.000000
2015    118.000000
2016    119.747471
2017    121.520820
2018    123.320431
2019    127.000000
2020    135.000000

这行得通，但由于显而易见的原因，在处理更大的数据集时效率不高。 我的目标是编写一个脚本，以我展示的方式自动填充多个 NaN 值块，而不必在每个 NaN 块中逐年填充 go，并逐块遍历整个数据集。

什么是开始实现这一目标的好地方？

Answer 1

您正在尝试在 DataFrame 中插入数据。据我了解，您希望在每个日期之间应用一种指数增长率。

由于pandas没有直接指数插值，一个想法是首先将对log （理解为自然对数，或数学中的ln ）function 应用于您的revenue列，应用线性插值，然后放回exponential以查看nan用插值填充的值：

import pandas as pd
import numpy as np

data = {'year': [2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020],
        'revenue': [100, np.nan, np.nan, 108, 118, np.nan, np.nan, np.nan, 127, 135]}
df = pd.DataFrame(data).set_index('year')

df['revenue2'] = df['revenue'].apply(np.log)
df['revenue2'] = df['revenue2'].interpolate('linear')
df['revenue2'] = df['revenue2'].apply(np.exp)

通过仔细检查，这似乎并不完全符合您想要的 output，但它非常接近。

希望这可以帮助