Question

首先创建数据：

import pandas as pd
import numpy as np
%matplotlib inline
data = pd.DataFrame({'time':np.arange(10)})
data['sin_of_the_times']= np.sin(data.time)
newdata = pd.DataFrame({'time': np.linspace(0,10,15)})
newdata['sin_of_the_times'] = np.NAN
data['interpolated']=False
newdata['interpolated']= True
ultimatedata = pd.concat([data, newdata])
ultimatedata.sort_values('time', inplace=True)

哪个给你的？

    time    sin_of_the_times    interpolated
0   0.000000    0.000000    False
0   0.000000    NaN         True
1   0.714286    NaN         True
1   1.000000    0.841471    False
2   1.428571    NaN         True
2   2.000000    0.909297    False
...

无需创建新函数，Python中已经存在一种插值方法，该插值方法将采用：

第一个NaN且说time = 0.0距time = 0的距离为0％，因此time = 1.0因此为0到.8之间的距离的0％，因此将为0.0。
第二个NaN将是0和1之间的7/10（ish），因此是从0到0.841471的7/10，所以它将是.5890297
第三个NaN在1和2之间的距离将是4/10（ish），因此也是从0.841471和0.909297到4/10的距离

这种插值方法是否有名称？（在这种情况下是上采样），插值方法似乎仅基于一列。

Answer 1

您仍然想进行线性插值；您只需要指定点之间的距离取决于time，而不是假设它们之间的间距均匀。因此，首先将索引设置为time，然后使用interpolate

df = df.set_index('time')
df.sin_of_the_times.interpolate(method='index')

输出：

time
0.000000    0.000000
0.000000    0.000000
0.714286    0.601051
1.000000    0.841471
1.428571    0.870539
2.000000    0.909297
Name: sin_of_the_times, dtype: float64

这就是我的开始：df

       time  sin_of_the_times
0  0.000000          0.000000
0  0.000000               NaN
1  0.714286               NaN
1  1.000000          0.841471
2  1.428571               NaN
2  2.000000          0.909297

Answer 2

从interp开始构建速度numpy

np.interp(df['time'].values,
          df.dropna()['time'].values,
          df.dropna()['sin_of_the_times'].values)
Out[783]: 
array([0.        , 0.        , 0.60105095, 0.841471  , 0.87053926,
       0.909297  ])


#df['sin_of_the_times']= np.interp(df['time'].values,
#                           df.dropna()['time'].values,
#                            df.dropna()['sin_of_the_times'].values)

Pandas / Scipy中的特定插值方法

2 个答案:

输出：