如何在python数据框中插入值？

Question

我在python中有2列的数据框。 我想用一栏输入数据框并获取第二栏的值。 有时值可以是精确的，但也可以是2行之间的值。

我有这个示例数据框：

    x   y
0   0   0
1   10  100
2   20  200

如果我用x的值检查数据帧，我想找到y的值。 例如，如果我在数据框中输入的值为10，则得到的值为100。但是，如果我检查为15，则需要在y的两个值之间进行插值。 有功能吗？

Answer 1

您可以看一下Pandas模块（doc）中提供的interpolate方法。 但我不确定这是否能回答您的问题。

您可以通过sklearn模块中的interp1d此sklearn 。 插值的几种类型是可能的：“线性”，“最近”，“零”，“线性”，“二次”，“三次” ...您可以在（文档页面）上找到列表。

插值过程可以概括为三个步骤：

1. 拆分缺失和非缺失值之间的数据。 我使用isna （doc）
2. 使用不丢失值的数据创建插值函数 。 我使用interp1d （doc）
3. 插值 （预测缺失值）。 只需对丢失的数据（第x列）调用第2步中的函数find。

这里的代码：

# Import modules
import pandas as pd
import numpy as np
from scipy.interpolate import interp1d

# Data
df = pd.DataFrame(
    [[0,   0],
     [10, 100],
     [11, np.NaN],
     [15, np.NaN],
     [17, np.NaN],
     [20,   200]],
    columns=["x", "y"])
print(df)
#     x      y
# 0   0    0.0
# 1  10  100.0
# 2  11    NaN
# 3  15    NaN
# 4  17    NaN
# 5  20  200.0

# Split data in training (not NaN values) and missing (NaN values)
missing = df.isna().any(axis=1)
df_training = df[~missing]
df_missing = df[missing].reset_index(drop=True)

# Create function that interpolate missing value (from our training values)
f = interp1d(df_training.x, df_training.y)

# Interpolate the missing values
df_missing["y"] = f(df_missing.x)
print(df_missing)
#     x      y
# 0  11  110.0
# 1  15  150.0
# 2  17  170.0

您可以在此链接上找到有关该主题的其他著作。

Answer 2

numpy.interp是线性插值的最简单方法：

def interpolate(xval, df, xcol, ycol):
# compute xval as the linear interpolation of xval where df is a dataframe and
#  df.x are the x coordinates, and df.y are the y coordinates. df.x is expected to be sorted.
    return np.interp([xval], df[xcol], df[ycol])

根据您的示例数据，它给出了：

>>> interpolate(10, df, 'x', 'y')
>>> 100.0
>>> interpolate(15, df, 'x', 'y')
>>> 150.0

您甚至可以直接执行以下操作：

>>> np.interp([10, 15], df.x, df.y)
array([100., 150.])