问题标签 [extrapolation]

我有一些数据如下图所示，

我能够插入数据点（虚线），并希望在两个方向上推断它们。

如何使用 NumPy/SciPy 在 Python 中推断这些曲线？

我用于插值的代码如下所示，

我似乎无法在 SimBiology 的文档中找到我的问题的答案。

有谁知道Matlab如何计算非隔间AUC？它是否使用线性/对数线性梯形规则？它用多少点将曲线外推到无穷大？它使用对数扩展还是线性扩展？

非常感谢！

我想在数组的开头估算 NA 观测值，使用以下两个非 NA 观测值的线性近似来推断缺失值。然后对数组末尾的 NA 观测值执行相同的操作，使用前面的两个非 NA 观测值。

我的 df 的可重现示例：

我想使用基于两个之前/之后的观察的线性近似来推断边界（对于City1和）。City9例如M[1,1]应该是3和M[1,10]应该是5,5。

你知道我怎么能做到这一点吗？

我有一个以时间为索引（1 分钟频率）和几列数据的 pandas DataFrame。有时数据包含 NaN。如果是这样，我只想在间隙不超过 5 分钟时进行插值。在这种情况下，这将是最多 5 个连续的 NaN。数据可能看起来像这样（几个测试用例，显示了问题）：

它的内容如下：

我知道，data.interpolate()但它有几个缺陷，因为它产生了这个结果，这对 ae 列有好处，但对于 fh 列，由于不同的原因它失败了::

f) 间隙由开始时 4 分钟的 NaN 组成，它们应替换为该值 2763.0（即及时向后推断）

g) 间隔超过 5 分钟，但仍然可以推断

h) 间隙长于 5 分钟，但间隙仍被内插。

我理解这些原因，当然我没有指定它不应插入超过 5 分钟的间隔。我知道这interpolate只会在时间上向前推断，但我希望它也能在时间上向后推断。是否有任何已知的方法可以用来解决我的问题，而无需重新发明轮子？

编辑：该方法data.interpolate接受输入参数limit，该参数定义要被插值替换的连续 NaN 的最大数量。但这仍然会插值到极限，但在这种情况下，我想继续使用所有 NaN。

有没有办法使用克里金法或高斯过程回归来估计外推？

高斯过程非常适合分散数据的插值；但是，我需要及时推断变量的时间序列。

锄头我可以推断x(n+1) 使用x变量的历史， x_i , i = n, n-1 ,....

例如，在 python 中：scikit-learn.org/stable/modules/gaussian_process.html

我设法使用完成了一些回归

现在我想用它model来推断（或内插）新数据帧的结果。我该怎么做 ？我确信已经有一个功能。

我有 11 条不同收益率曲线的每日值，即同一时间段内 11 个收益率到期日（1 年、2 年、3 年、4 年、5 年、7 年、10 年、15 年、20 年、25 年、30 年）的时间序列。某些日子的某些收益率缺失（NA），我想在知道同一天其他收益率的值的情况下推断它们的值。这应该通过对给定日期的可用收益率进行第一次线性插值来完成，然后使用到期期限（1 年、2 年等）作为权重，对同一天的缺失收益率进行连续外推。例如，我有以下数据集，我想根据同一天所有可用收益率的插值来推断 5 年收益率的每日价值：

有人对如何做有建议吗？谢谢。

快点我有什么！我有一个定义的屏幕尺寸（5.5 英寸）和分辨率（500 像素宽度和 350 像素高度），并且我在这个屏幕上有某个位置（x，y）的坐标。

我将拥有什么！我将有新的屏幕尺寸（8.2 英寸）和分辨率（1020 像素宽和 730 像素高）的规格。

我需要计算/推断/查找什么？我需要以新的分辨率在新的屏幕尺寸上找到相同的 x,y 位置。我需要一个可以在任何屏幕尺寸或分辨率上工作的通用解决方案。

谁能帮我解决这个问题。

我想在数据ggplot2区域之外的数据子集上推断数据的线性拟合（以便可视化推断的危险）。在下面的代码中，我想将在 1980-1990 帧上生成的线性拟合扩展到 1990-2000，这样我就可以为整个时间段添加完全拟合并可视化差异：

我是新手，ggplot2所以关于如何从第一帧扩展线性拟合，然后添加数据和不同颜色的新拟合会很棒。谢谢。

我有以下数据：

和

我想推断并知道a我会T=600在 Matlab 中得到什么。我怎样才能做到这一点？