先赞美一下拉格朗日，在学习了中值定理之后，又来挑战插值法了。
拉格朗日插值法有个致命缺点，太轴了，过分追求完美一个数据也不放过，当数据出现异常值时，最终拟合的多项式并不会剔除它们。

1. 对dataframe缺失值进行插值代码实现（已解决小坑代码）

先生成含缺失值的dataframe：

import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randint(1,100,size=(50,3)),columns=['a','b','c']) 
df
df.iloc[2,2]=None
df.iloc[4:6,1]=None
df.head(10)

插值实现：
data表示插值的某列数据
k表示要拟合的邻近个数 ，前k个和后k个

from scipy.interpolate import lagrange
def chazhi(data,k):
    n_index=data[data.isnull()].index
    for n in n_index:
#         print(n)
        y=data.iloc[list(range(n-k,n))+list(range(n+1,n+1+k))]
        y=y[y.notnull()]
        data[n]=lagrange(y.index,list(y))(n)
        print(data[n])
    return data
# dt=df['c']
# # print(dt)
# chazhi(dt,2)
# print(df)
# # print(df1)
df2=df.copy()
for i in df.columns:
#     print(i)
    dt=df[i].copy()
    df2[i]=chazhi(dt,2)
print(df.head())
print(df2)
print('ok')

2.小坑

想保留未插值前的数据却无法实现
问题解决：加copy（）
就像是指针的问题，其实并没有给dt分配空间，在函数内更改的空间位置是原df