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。
答案 0 :(得分:0)
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。
答案 1 :(得分:0)
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...