Pandas时间序列插值：避免resample后的线性与NaN结果

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 模拟稀疏时间序列数据
# 假设我们只有2010、2015、2020年的数据
data = {
    'Date': ['2010-01-01', '2015-06-15', '2020-12-31'],
    'Value': [10, 25, 40]
}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# 原始数据可视化
plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x=df.index, y=df['Value'], s=100, label='Original Data')
plt.title('Original Sparse Time Series Data')
plt.xlabel('Date')
plt.ylabel('Value')
plt.grid(True)
plt.show()

# 用户尝试的插值方法
# df_resampled = df.resample('1Y') # 此时df_resampled是一个Grouper对象，需要聚合
# 错误用法：直接在Grouper对象上调用interpolate会导致错误或不期望的结果
# df_interp = df_resampled.interpolate(method='time') 

# 正确的理解是：用户可能期望在resample后得到一个DataFrame，然后在其上插值
# 如果不加聚合函数，resample会产生一个DataFrame，其中大部分是NaN
df_resampled_no_agg = df.resample('1Y').asfreq() # 使用asfreq()来填充缺失的频率，值为NaN
print("Resampled DataFrame (without aggregation, with NaNs):\n", df_resampled_no_agg)

# 对包含NaN的DataFrame进行插值
df_interp_problematic = df_resampled_no_agg.interpolate(method='time')
print("\nProblematic Interpolated Data (linear between sparse points):\n", df_interp_problematic)

# 可视化问题结果
plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x=df.index, y=df['Value'], s=100, label='Original Data')
sns.lineplot(data=df_interp_problematic, x=df_interp_problematic.index, y=df_interp_problematic['Value'], color='red', linestyle='--', marker='o', label='Problematic Interpolation (1Y)')
plt.title('Problematic Interpolation: Linear Results from Sparse Data')
plt.xlabel('Date')
plt.ylabel('Value')
plt.grid(True)
plt.legend()
plt.show()