我正在处理一个财务价值的大型面板数据。不幸的是,由于我从数据库中获取了数据,信息结果有点不稳定(有很多NaN值(。我想做的是通过线性插值来填充缺失的值。
df看起来像这样(仅以两家公司为例(:
year ticker tot_assets
0 2001 ANTQ NaN
1 2002 ANTQ NaN
2 2003 ANTQ 14.56
3 2004 ANTQ 14.99
4 2005 ANTQ NaN
5 1999 AMFD 2.44
6 2000 AMFD NaN
7 2001 AMFD 1.89
8 2002 AMFD NaN
9 2004 AMFD 3.78
10 2005 AMFD 3.82
.. ... ... ...
正如你从这个例子中看到的,有时NaN从可用数据的第一年开始,所以我不确定插入零并从那里进行插值的最佳实践是不是可以进行反向线性插值。
此外,正如你从AMFD的例子中看到的,有时数据会跳过几年,所以如果我们也能考虑到这一点,那就太好了。
我能想到的最接近的东西是:
df['tot_assets'] = df.groupby(['tic'])['tot_assets'].fillna(method = 'bfill')
当然,这并不理想,因为它并不能很好地解决我提到的问题。
此外,我还尝试使用和调整现有的插值文档,但它并没有真正起作用——主要是因为我对Pandas没有太多经验。
这是我的代码。
for i in range(1, len(df)):
if (df.loc[i, 'ticker']==df.loc[i-1, 'ticker']) & (df.loc[i, 'fyear']==df.loc[i-1, 'fyear']+1):
df.loc[i, 'tot_a_1'] = df.loc[i-1, 'tot_a']
else:
df.loc[i, 'tot_a_1'] = None