拉格朗日插值法对缺失值进行插补代码修正

书本第四章拉格朗日插值法对缺失值进行插补代码修正，执行原代码会直接报错

KeyError: 'Passing list-likes to .loc or [] with any missing labels is no longer supported, see https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#deprecate-loc-reindex-listlike'

更正代码如下

# -*- coding: utf-8 -*-

import pandas as pd  # 导入数据分析库Pandas
from scipy.interpolate import lagrange  # 导入拉格朗日插值函数

inputfile = '../data/catering_sale.xls'  # 销量数据路径
outputfile = '../tmp/sales.xls'  # 输出数据路径

data = pd.read_excel(inputfile)  # 读入数据
data[u'销量'][(data[u'销量'] < 400) | (data[u'销量'] > 5000)] = None  # 过滤异常值，将其变为空值

# 自定义列向量插值函数
# s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
def ployinterp_column(s, n, k=2):  # 修改为2
  # y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))]
  y = s.iloc[list(range(n-k, n)) + list(range(n+1, n+1+k))]  # 取数
  y = y[y.notnull()]  # 剔除空值
  return lagrange(y.index, list(y))(n)  # 插值并返回插值结果

# 逐个元素判断是否需要插值
for i in data.columns:
  for j in range(len(data)):
    if (data[i].isnull())[j]:  # 如果为空即插值。
      # data[i][j] = ployinterp_column(data[i], j)
      data.loc[j,i] = ployinterp_column(data[i], j)
data.to_excel(outputfile)  # 输出结果，写入文件
print("success!")

原来的数据

对销量为空的数据和销量<400或>5000的异常值进行插值修正