python - 用零填充不均匀点列表的缺失值

Question

我有一组点保存为数据框dp：

xlist   ylist
0   0.017108    0.902494
1   0.019659    0.741981
2   0.030310    0.920884
3   0.032064    0.255826
4   0.046168    0.562761
5   0.060758    0.583044
6   0.118274    1.000000
7   0.125385    1.000000
8   0.140418    1.000000
9   0.153699    1.000000
10  0.186998    0.293743
11  0.215375    0.112288
12  0.217875    0.260883
13  0.250591    0.325953
14  0.262788    0.084916
15  0.287382    0.104910
16  0.325902    0.088418
17  0.377885    0.312025
18  0.473086    0.068632
19  0.485449    0.059624
20  0.557334    0.734376
21  0.572133    0.709392
22  0.610553    0.840687
23  0.626902    0.737930
24  0.630276    0.084787
25  0.637779    0.091535
26  0.717553    0.074411
27  0.742187    0.092770
28  0.757873    0.532881
29  0.780933    0.528202
30  0.836708    0.422615
31  0.920814    0.359896
32  0.938639    0.355241
33  0.954564    0.280989
34  0.978567    0.649749
35  0.995067    0.769272

使用 pyplot.vlines 看起来像这样：

[plt.vlines(x,0,y) for x,y in zip(dp.xlist, dp.ylist)]
plt.show()

我想将xlist替换为：

x = linspace(0,1,num=100) ###(or num=200... not important)

并使用 ylist 中的值创建一个新的y ，其中x接近 xlist，而在其他地方为零。
到目前为止，我尝试的是对于每对xlist、ylist值，我检查线性空间中是否有一个点与 xlist 中的点足够接近，然后将其分配给 ylist 的相应值，否则，我放一个零.

for i in dp.index:

    fill = [] 

    for xa in x:
        if abs(dp.xlist[i]-xa)<0.001:
            tmp = dp.ylist[i]
        else:
            tmp = 0
        fill.append(tmp)

但我认为我正在覆盖列表“填充”，这就是它不起作用的原因，但我不知道如何解决这个问题。

有没有一种快速简单的方法来实现这一目标？

标签： pythonpandasnumpyplotinterpolation

Answer 1

不需要循环。您可以使用熊猫方法：

dp['x_lin'] = x[np.abs(np.subtract.outer(x,dp.xlist.values)).argmin(0)]
dp['y_lin'] = 0
dp.y_lin[np.abs(dp.x_lin-dp.xlist)<0.001] = dp.ylist

你也可以用等效替换第一行：

dp['x_lin'] = x[np.abs(x[None,:]-dp.xlist[:,None]).argmin(1)]

输出：

       xlist     ylist     x_lin     y_lin
0   0.017108  0.902494  0.020202  0.000000
1   0.019659  0.741981  0.020202  0.741981
2   0.030310  0.920884  0.030303  0.920884
3   0.032064  0.255826  0.030303  0.000000
4   0.046168  0.562761  0.050505  0.000000
5   0.060758  0.583044  0.060606  0.583044
6   0.118274  1.000000  0.121212  0.000000
7   0.125385  1.000000  0.121212  0.000000
8   0.140418  1.000000  0.141414  1.000000
9   0.153699  1.000000  0.151515  0.000000
10  0.186998  0.293743  0.191919  0.000000
11  0.215375  0.112288  0.212121  0.000000
12  0.217875  0.260883  0.222222  0.000000
13  0.250591  0.325953  0.252525  0.000000
14  0.262788  0.084916  0.262626  0.084916
15  0.287382  0.104910  0.282828  0.000000
16  0.325902  0.088418  0.323232  0.000000
17  0.377885  0.312025  0.373737  0.000000
18  0.473086  0.068632  0.474747  0.000000
19  0.485449  0.059624  0.484848  0.059624
20  0.557334  0.734376  0.555556  0.000000
21  0.572133  0.709392  0.575758  0.000000
22  0.610553  0.840687  0.606061  0.000000
23  0.626902  0.737930  0.626263  0.737930
24  0.630276  0.084787  0.626263  0.000000
25  0.637779  0.091535  0.636364  0.000000
26  0.717553  0.074411  0.717172  0.074411
27  0.742187  0.092770  0.737374  0.000000
28  0.757873  0.532881  0.757576  0.532881
29  0.780933  0.528202  0.777778  0.000000
30  0.836708  0.422615  0.838384  0.000000
31  0.920814  0.359896  0.919192  0.000000
32  0.938639  0.355241  0.939394  0.355241
33  0.954564  0.280989  0.959596  0.000000
34  0.978567  0.649749  0.979798  0.000000
35  0.995067  0.769272  1.000000  0.000000

输出图：