選択肢3が正解です。 【選択肢1】 interpolate(method='linear') ▶︎ 前後の値と等間隔になるように補間する。 正しい説明です。 method='linear'は線形補間です。インデックスの間隔は考慮せず、欠損値の前後の値をベースにして、等間隔になるよう補間します。 ser = pd.Series( [100,np.NaN,900], index=[1,9,10]) ▶︎ 1 100.0 9 NaN 10 900.0 ser.interpolate(method='linear') ▶︎ 1 100.0 9 500.0 10 900.0 100と900の間が等間隔になるように、500が補間されています。 interpolateメソッドはデフォルトがmethod='linear'のため、引数をつけなかった場合は線形補間になります。 【選択肢2】 interpolate(method='index') ▶︎ インデックスの間隔を考慮して欠損値を補間する。 正しい説明です。 method='index'は線形補間と違い、インデックスの間隔を考慮して補間します。 ser ▶︎ 1 100.0 9 NaN 10 900.0 ser.interpolate(method='index') ▶︎ 1 100.000000 9 811.111111 10 900.000000 インデックス9は10に近いため、データも900に近い811.111111が補間されています。 なお、method='index'はインデックスが数値の場合だけ使えます。 【選択肢3】 interpolate(method='values') ▶︎ 前後の値を考慮して欠損値を補間する。 誤った説明です。 選択肢2のmethod='index'と同じで、インデックスの間隔を考慮して補間します。 【選択肢4】 interpolate(method='time') ▶︎ DatetimeIndexの間隔を考慮して補間する。 正しい説明です。 method='time'は、インデックスの日時の間隔を考慮して補間します。 ser = pd.Series( [100,np.NaN,900], index=pd.DatetimeIndex(['00:00','00:01','00:20'])) ▶︎ 2025-06-15 00:00:00 100.0 2025-06-15 00:01:00 NaN 2025-06-15 00:20:00 900.0 ser.interpolate(method='time') ▶︎ 2025-06-15 00:00:00 100.0 2025-06-15 00:01:00 140.0 2025-06-15 00:20:00 900.0 インデックスの01分は00分に近いため、データも100に近い140が補間されています。 なお、method='time'はインデックスがDatetimeIndexの場合だけ使えます。 （公式書籍 p.200-201）