interpolate between first and last valid values then fill Nan values by zeros for dataframe columns

Question

I have csv file like the below table:

depth	x1	x2	x3
depth	x1	x2	x3
1000	Nan	Nan	Nan
1001	Nan	Nan	Nan
1002	Nan	Nan	Nan
1003	Nan	10	Nan
1004	Nan	Nan	Nan
1005	Nan	Nan	10
1006	Nan	Nan	Nan
1007	10	Nan	Nan
1008	11	Nan	Nan
1009	12	Nan	Nan
1010	13	Nan	Nan
1011	14	Nan	15
1012	15	20	Nan
1013	Nan	Nan	Nan
1014	Nan	Nan	Nan
1015	18	Nan	Nan
1016	19	Nan	Nan
1017	20	Nan	Nan
1018	21	Nan	20
1019	22	Nan	Nan
1020	23	Nan	Nan
1021	24	25	Nan
1022	25	Nan	Nan
1023	26	Nan	Nan
1024	27	Nan	25
1025	28	15	Nan
1026	Nan	Nan	Nan
1027	Nan	Nan	Nan
1028	Nan	Nan	Nan

I want interpolate between first and last valid values then fill Nan values by zeros the result should be like that

depth	x1	x2	x3
1000	0	0	0
1001	0	0	0
1002	0	0	0
1003	0	10	0
1004	0	11.11111111	0
1005	0	12.22222222	10
1006	0	13.33333333	10.83333333
1007	10	14.44444444	11.66666667
1008	11	15.55555556	12.5
1009	12	16.66666667	13.33333333
1010	13	17.77777778	14.16666667
1011	14	18.88888889	15
1012	15	20	15.71428571
1013	16	20.55555556	16.42857143
1014	17	21.11111111	17.14285714
1015	18	21.66666667	17.85714286
1016	19	22.22222222	18.57142857
1017	20	22.77777778	19.28571429
1018	21	23.33333333	20
1019	22	23.88888889	20.83333333
1020	23	24.44444444	21.66666667
1021	24	25	22.5
1022	25	22.5	23.33333333
1023	26	20	24.16666667
1024	27	17.5	25
1025	28	15	25
1026	28	0	0
1027	28	0	0
1028	28	0	0

I have tried the below code but it does not give the correct result

import pandas as pd
df = pd.read_csv(r"C:\Users\mohamed\OneDrive\Desktop\test_interpolate.csv")
df = df.interpolate()
df = df.fillna(0)
print (df)
df.to_csv(r"C:\Users\mohamed\OneDrive\Desktop\result.csv")

Answer 1

You can limit the interpolation to the inner NaN using limit_area='inside' (this is well covered in the documentation of interpolate):

df = df.interpolate(limit_area='inside').fillna(0)

output:

    depth    x1         x2         x3
0    1000   0.0   0.000000   0.000000
1    1001   0.0   0.000000   0.000000
2    1002   0.0   0.000000   0.000000
3    1003   0.0  10.000000   0.000000
4    1004   0.0  11.111111   0.000000
5    1005   0.0  12.222222  10.000000
6    1006   0.0  13.333333  10.833333
7    1007  10.0  14.444444  11.666667
8    1008  11.0  15.555556  12.500000
9    1009  12.0  16.666667  13.333333
10   1010  13.0  17.777778  14.166667
11   1011  14.0  18.888889  15.000000
12   1012  15.0  20.000000  15.714286
13   1013  16.0  20.555556  16.428571
14   1014  17.0  21.111111  17.142857
15   1015  18.0  21.666667  17.857143
16   1016  19.0  22.222222  18.571429
17   1017  20.0  22.777778  19.285714
18   1018  21.0  23.333333  20.000000
19   1019  22.0  23.888889  20.833333
20   1020  23.0  24.444444  21.666667
21   1021  24.0  25.000000  22.500000
22   1022  25.0  22.500000  23.333333
23   1023  26.0  20.000000  24.166667
24   1024  27.0  17.500000  25.000000
25   1025  28.0  15.000000   0.000000
26   1026   0.0   0.000000   0.000000
27   1027   0.0   0.000000   0.000000
28   1028   0.0   0.000000   0.000000