问题描述
我有以下数据框，其中显示了来自Motion Capture的数据，其中每一列都是标记（即位置数据），行是时间：
LTHMB X RTHMB X
0 932.109 872.921
1 934.605 873.798
2 932.383 873.998
3 940.946 875.609
4 941.549 875.875
... ... ...
14765 NaN 602.700
14766 562.350 NaN
14767 562.394 NaN
14768 562.421 NaN
14769 562.490 602.705
在数据中，我需要填写一些NaN值。我并不是真正的专家，所以我不确定什么是最好的填充方式。
我知道我可以进行向前/向后填充，并且我还阅读了有关样条插值的知识，这似乎更为复杂。在pandas.DataFrame.interpolate的文档中，它指出了样条曲线必须指定顺序。
在这种情况下，我要为订单使用什么？每个标记都有一个X，Y和Z。这是否意味着我将使用三次样条，还是不是那么简单？
解决方法
样条曲线的顺序与数据集中的要素数量无关。每个要素将相互独立地插值。因此，在应用算法之前，重要的是要了解其工作原理以及其每个参数（例如“顺序”）的作用。
直觉上，三次（阶数= 3）样条线是构造样条线的过程，该样条线由三阶“分段”多项式组成。
请注意，所有多项式仅在一个时间间隔内有效；它们组成了插值功能。虽然外推法预测的是数据范围之外的发展，但内插法仅在数据边界内起作用。
样条曲线的“阶”就是这些“分段”多项式的阶。
来源：Google
如您所见，线性样条曲线（order = 1）适合范围之间的一阶多项式（直线ines），而7阶样条曲线适合7阶多项式。
您应该使用哪个？
没有人能简单地告诉您哪个更合适。您将必须对其进行可视化，以查看特定的插值技术是否能够为您提供相关的估算。
唯一可以确保您使用正确插值技术的方法是将它们与R2_score进行比较。您可以执行以下操作-
- 从数据中获取完整序列（无缺失值）
- 随意设置此数据丢失的百分比（分别保留这些隐藏值）
- 尝试多种插值方法以完成序列（使用3、5、7个样条线等）
- 获取预测序列，并使用R2_score将其与实际序列进行比较。
- r2_score最高的那个应该是最适合您数据的那个
- 在多次注入的丢失数据中以％的百分比重复多次，以形成一项有效的研究，总体上，一项研究优于另一项研究。
您会发现这种方法粗略地实现了here
