Question

让我们假设您有两个Pandas DataFrame，一个包含2020年的数据，另一个包含2030年的数据。两个DataFrame具有相同的形状，列名，并且仅包含数字值。为简单起见，我们将按如下所示创建它们：

twenty = pd.DataFrame({'A':[1,1,1], 'B':[3,3,3]})
thirty = pd.DataFrame({'A':[3,3,3], 'B':[7,7,7]})

现在，目标是对这些DataFrame中的所有值执行线性插值，以获取2025年（或我们选择的任何年份）的新DataFrame。因此，我们希望在每个成对的值集之间进行插值，例如twenty['A'][0]和thirty['A'][0]。如果我们在目标年份2025年这样做，结果应该是：

twentyfive = pd.DataFrame({'A':[2,2,2],'B':[5,5,5]})

我尝试使用np.interp；但是，据我所知，这实际上是为了在给定（单个）数组上进行插值。而且，我已经使用一种更加蛮力的方法解决了该问题，该方法包括熔化DataFrame，添加Year列，将它们合并在一起，然后使用插值创建新列。这有点杂乱无章。

我觉得必须有一种更直接（且经过优化）的方式来执行此任务。任何帮助表示赞赏。

Answer 1

如果两者的形状相同，则可以尝试直接求平均值

(thirty + twenty)/2

出局：

编辑：如果数据框的形状不相等，则可以尝试与内部连接和groupby列合并以采用插值均值。

df = pd.merge(twenty,thirty, left_index=True, right_index=True, how='inner').rename(columns=lambda x: x.split('_')[0])
df.T.groupby(df.T.index).mean().T

出局：

Answer 2

您可以concat对键很聪明（将它们命名为整数），然后groupby可以插值所有内容：

import pandas as pd

df = pd.concat([twenty, thirty], keys=[20,30], axis=1)
s = (df.groupby(df.columns.get_level_values(1), axis=1)
        .apply(lambda x: x.T.reset_index(1, drop=True).reindex(np.arange(20,31)).interpolate())).T

      20   21   22   23   24   25   26   27   28   29   30
A 0  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0
  1  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0
  2  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8  3.0
B 0  3.0  3.4  3.8  4.2  4.6  5.0  5.4  5.8  6.2  6.6  7.0
  1  3.0  3.4  3.8  4.2  4.6  5.0  5.4  5.8  6.2  6.6  7.0
  2  3.0  3.4  3.8  4.2  4.6  5.0  5.4  5.8  6.2  6.6  7.0

现在，如果您只关心25：

s[25].unstack(0)

     A    B
0  2.0  5.0
1  2.0  5.0
2  2.0  5.0

如何在两个独立的熊猫数据框的所有值之间插值？

2 个答案: