时间戳

首页 > 解决方案 > 处理来自多个熊猫数据帧的数据时的插值方法？

python - 处理来自多个熊猫数据帧的数据时的插值方法？

问题描述

我有一个包含许多列的 DataFrame，我想使用 x、y 点和我已知的 x 值进行插值以获取 y 值。我知道如何通过选择 x、y 点和 x 值的一列（每个 DataFrame 的）来执行插值。我的目标是拥有一个包含所有插值 y 值的 DataFrame。通常，我可以通过以下两种方式之一获得 y 值（据我所知）：

以下是我的 DataFrame 的格式示例：

random.seed( 30 )

df_x_pts = pd.DataFrame({
"x_pts_1": np.random.uniform(low=1, high=200, size=(10,)),
"x_pts_2": np.random.uniform(low=1, high=500, size=(10,)),
"x_pts_3": np.random.uniform(low=1, high=750, size=(10,)),})

df_y_pts = pd.DataFrame({
"y_pts_1": np.random.uniform(low=1, high=200, size=(10,)),
"y_pts_2": np.random.uniform(low=1, high=500, size=(10,)),
"y_pts_3": np.random.uniform(low=1, high=750, size=(10,)),})
    
df_x_vals = pd.DataFrame({
"x_vals_1": np.random.uniform(low=1, high=200, size=(50,)),
"x_vals_2": np.random.uniform(low=1, high=500, size=(50,)),
"x_vals_3": np.random.uniform(low=1, high=750, size=(50,)),})

1） 我可以使用 scipy 为每个 DataFrame 中的每一列计算：

import pandas as pd
import numpy as np
from scipy.interpolate import interp1d

y = df_y_pts["y_pts_1"]
x = df_x_pts["x_pts_1"]
# Fit the interpolation on the original index and values
f = interp1d(x, y, kind='linear')

# Perform interpolation for values across the full desired index
f(x_val)

2）或使用numpy：

x_pts = df_x_pts["x_pts_1"]
y_pts = df_y_pts["y_pts_1"]
x_vals = df_x_vals["x_vals_1"]
y_vals = np.interp(x_vals, x_pts, y_pts)
print(y_vals)

什么是在所有 DataFrame 中完成此操作的明智方法，以便我返回一个看起来像 df_x_vals 的单个 DataFrame，除了一个包含所有插值 y 值的 DataFrame？任何帮助是极大的赞赏！

标签： pythonpython-3.xpandasnumpyinterpolation

解决方案

聚会有点晚了，没有足够的代表发表评论，所以我把这个作为答案：

你如何使用它在列之间插入值，而不是向下插入行？

检查 的axis论点DataFrame.Interpolate，我相信这就是你想要的。

基本上...interpolate(..., axis=1)

推荐阅读