Question

我有以下DataFrame（提取）

data = pd.DataFrame([[0., -10.88948939, 74.22099994, 1.5, "NW", 0], [0.819377018, -10.88948939, 74.22099994, 1.5, "NW", 1], [8.47965933, -10.88948939, 74.22099994, 1.5, "NW", 10], [15.38036833, -10.88948939, 74.22099994, 1.5, "NW", 20]], columns=["Velocity", "X", "Y", "Z", "wind_direction", "wind_speed"])

Velocity  X      Y     Z  wind_direction wind_speed
0        -10.88 74.22 1.5 NW             0
0.82     -10.89 74.22 1.5 NW             1
8.48     -10.89 74.22 1.5 NW             10
15.38    -10.89 74.22 1.5 NW             20

它表示特定坐标（X，Y，Z）和两个边界条件（wind_direction和wind_speed）的CFD模拟结果。

我想估计相同点（X，Y，Z）的速度，相同的wind_direction，但是中间的wind_speed，比如4.6。我在数据框中有这个额外的行

NaN -10.89 74.22 1.5 NW 4.6

现在我想基于wind_speed进行插值以填充NaN。对于上面的例子，我希望得到6.643773541

数字来自线性插值：

0.82 +（4.6 - 1）/（10 - 1）*（8.48 - 0.82）

有什么想法吗？谢谢

更新

我找到了上述问题的解决方案。诀窍是使用groupby并定义一个函数，该函数在groupby创建的数据帧上进行插值并传递给apply（）。就我而言，这是函数

def interp(x, wind_speed):
    g = interpolate.interp1d(np.array(x["wind_speed"]), np.array(x["Velocity"]))
    return g(wind_speed)

这是我的groupby

group = df.groupby("point").apply(interp, wind_speed)

必须使用表示执行插值的点的参数来调用函数interp。

我想知道是否有更好的方法。

Answer 1

我找到了上述问题的解决方案。诀窍是使用groupby并定义一个函数，该函数在groupby创建的数据帧上进行插值并传递给apply（）。就我而言，这是函数

def interp(x, wind_speed):
    g = interpolate.interp1d(np.array(x["wind_speed"]), np.array(x["Velocity"]))
    return g(wind_speed)

这是我的groupby

group = df.groupby("point").apply(interp, wind_speed)

必须使用表示执行插值的点的参数来调用函数interp。

我想知道是否有更好的方法。

Answer 2

我的解决方案是通过以下方式索引“ wind_speed”：

df.set_index('wind_speed', inplace=True)

然后我通过索引列进行插值

df.interpolate(method='index', inplace=True)

现在我可以返回以前的状态

df.reset_index(inplace=True)

让我知道是否顺利...

Pandas根据不同的列插入NaN

2 个答案: