Python Pandas - เติมค่า NaN ด้วยวิธี Interpolation (ประมาณค่า)

ขั้นตอนการทำงาน

1. โหลดข้อมูลที่มี NaN

import pandas as pd

dataFrame = pd.read_csv(r"C:\Users\amit_\Desktop\SalesData.csv")
print("DataFrame:\n", dataFrame)

2. ใช้ interpolate() เติมค่า NaN

res = dataFrame.interpolate()
print("\nDataFrame หลัง interpolation:\n", res)

โค้ดตัวอย่างสมบูรณ์

import pandas as pd

dataFrame = pd.read_csv(r"C:\Users\amit_\Desktop\SalesData.csv")
print("DataFrame:\n", dataFrame)

# เติม NaN ด้วย interpolation
res = dataFrame.interpolate()
print("\nDataFrame หลัง interpolation:\n", res)

ผลลัพธ์

DataFrame:
      Car  Reg_Price  Units
0     BMW       2500  100.0
1   Lexus       3500    NaN
2    Audi       2500  120.0
3  Jaguar       2000    NaN
4  Mustang       2500  110.0

DataFrame หลัง interpolation:
      Car  Reg_Price  Units
0     BMW       2500  100.0
1   Lexus       3500  110.0
2    Audi       2500  120.0
3  Jaguar       2000  115.0
4  Mustang       2500  110.0

คำอธิบายผลลัพธ์

• แถว 1 (Lexus): NaN อยู่ระหว่าง 100 และ 120 → ประมาณเป็น 110 (กลาง)
• แถว 3 (Jaguar): NaN อยู่ระหว่าง 120 และ 110 → ประมาณเป็น 115 (กลาง)
• คอลัมน์ Car และ Reg_Price ไม่มี NaN จึงไม่เปลี่ยนแปลง

วิธี Interpolation อื่นๆ (method parameter)

ตัวอย่างใช้ method อื่น

# Forward fill (ค่าก่อนหน้า)
df.fillna(method='ffill')

# Backward fill (ค่าถัดไป)
df.fillna(method='bfill')

# Time-based interpolation (ต้องมี datetime index)
df.set_index('date').interpolate(method='time')

⚠️ ข้อจำกัด

• ทำงานได้เฉพาะคอลัมน์ตัวเลข (numeric columns)
• ไม่สามารถประมาณค่า NaN ที่อยู่ขอบ (leading/trailing NaN) ด้วย linear method
• สำหรับขอบ ใช้ limit_direction='both' หรือ method='pad'/'bfill'