时间戳

首页 > 解决方案 > 如何从 dfs 打印旧值和插值？

python - 如何从 dfs 打印旧值和插值？

问题描述

我有一个如下df命名：so

      gas day    RLM       Date
0   22.03.2020  5501593 2020-03-22
1   23.03.2020  9232167 2020-03-23
2   24.03.2020  8807847 2020-03-24
3   25.03.2020  8561604 2020-03-25
4   26.03.2020  7775652 2020-03-26
5   27.03.2020  56022577 2020-03-27
6   28.03.2020  4556959 2020-03-28
7   29.03.2020  5233497 2020-03-29
8   30.03.2020  8181341 2020-03-30
9   31.03.2020  8063470 2020-03-31

用户可以从列中选择一些值RLM，这些值必须替换为 aNaN并进行插值。为此，我正在做：

def spline_interpolate(data: pd.DataFrame,
                       to_replace: list,
                       measure: str = 'RLM'):
    data_interpolation = data.copy()
    data_interpolation[measure] = data_interpolation[measure].replace(
        to_replace, np.nan)
    data_interpolation[measure] = data_interpolation[measure].interpolate(method='spline',
                                                                          order=3)
    return data_interpolation

然后，我这样做：

so_interpolation = spline_interpolate(so, [56022577])

插值后so_interpolation是：

      gas day     RLM         Date
0   22.03.2020  5501593.0   2020-03-22
1   23.03.2020  9232167.0   2020-03-23
2   24.03.2020  8807847.0   2020-03-24
3   25.03.2020  8561604.0   2020-03-25
4   26.03.2020  7775652.0   2020-03-26
5   27.03.2020  5979531.5   2020-03-27
6   28.03.2020  4556959.0   2020-03-28
7   29.03.2020  5233497.0   2020-03-29
8   30.03.2020  8181341.0   2020-03-30
9   31.03.2020  8063470.0   2020-03-31

现在，我想知道是否有一种方法可以自动打印一条语句，说明要替换的值（来自to_replace列表）已被xxxxxxx值替换？

例子：

在上面的示例中，该值56022577被内插为5979531.5。

我想在自动打印旧值和新插值print的函数中添加一条语句：spline_interpolation()

print('The value 56022577 is interpolated as 5979531.5')

PS：to_replace在spline_interpolation()函数中可以取多个值，因为所有这些值都必须替换为NaNs 并随后进行插值

标签： pythonpython-3.xpandas

解决方案

以下是我将如何修改函数：

def spline_interpolate(data,
                       to_replace,
                       measure = 'RLM'):
    data_interpolation = data.copy()
    data_interpolation[measure] = data_interpolation[measure].replace(
        to_replace, np.nan)

    # where replacements occur
    s = data_interpolation[measure].isna()

    data_interpolation[measure] = data_interpolation[measure].interpolate(method='spline',
                                                                          order=3)

    # print as required
    for orig,rep in zip(data.loc[s,measure], data_interpolation.loc[s,measure]):
        print(f'The value {orig} is interpolated as {rep}')
    return data_interpolation

推荐阅读