pandas 多索引数据帧，缺失值的 ND 插值

pandas 是否可以在多索引数据帧中插入缺失值。下面的示例没有按预期工作：

arr1=np.array(np.arange(1.,10.,1.))
arr2=np.array(np.arange(2.,20.,2.))
df1=pd.DataFrame(zip(arr1,arr2,arr1+arr2,arr1*arr2),columns=['x','y','xplusy','xtimesy'])

df1.set_index(['x','y'],inplace=True)

df2=df1.reindex(index=zip(*df1.index.levels)+[(2,2),(3,2),(5,5)])
df2.sortlevel([0,1],inplace=True)
df2.interpolate(method='linear',inplace=True)

对于添加的索引，在 xplusy 和 xtimesy 列中显示的内容不是我所期望的。

-----------  ----  ---
(1.0, 2.0)    3      2
(2.0, 2.0)    4.5    5
(2.0, 4.0)    6      8
(3.0, 2.0)    7.5   13
(3.0, 6.0)    9     18
(4.0, 8.0)   12     32
(5.0, 5.0)   13.5   41
(5.0, 10.0)  15     50
(6.0, 12.0)  18     72
(7.0, 14.0)  21     98
(8.0, 16.0)  24    128
(9.0, 18.0)  27    162
-----------  ----  ---

因此，在填充缺失值之前，这就是前几行中的内容：

df2

      xplusy  xtimesy
x y                  
1 2        3        2
2 2      NaN      NaN
  4        6        8

看来您想根据 MultiIndex 进行插值。我不相信有任何方法可以使用 pandas interpolate 来做到这一点，但是您可以基于一个简单的索引来做到这一点（method='linear' 忽略索引顺便说一句，也是默认的，所以也不需要指定它）：

df2.reset_index(level=1).interpolate(method='index')

    y  xplusy  xtimesy
x                     
1   2       3        2
2   2       6        8
2   4       6        8

df2.reset_index(level=0).interpolate(method='index')

    x  xplusy  xtimesy
y                     
2   1     3.0        2
2   2     3.0        2
4   2     6.0        8

显然，在这种情况下，您可以通过多个步骤创建 xplusy 和 xtimesy（首先是 x，然后是 y，然后是 xplusy 和 xtimesy），但我不确定这是否是您真正想要做的。

无论如何，这是一种一维插值，您可以使用 pandas interpolate 轻松完成。如果这还不够，你可以看看 numpy 的interp2d http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.interpolate.interp2d.html对于初学者。