Skip to main content
 首页 » 编程设计

python之基于列插值加入 Pandas

2025年01月19日10davidwang456

我正在尝试根据 2 列连接 2 个数据框。问题是我想插入其中一个列值。

df1 = pd.DataFrame(data=[['ABC', 'USD', 2.31], ['DEF', 'MXN', 4.72], ['XYZ', 'EUR', 5.83]], columns=['A', 'B', 'C']) 
>>df1 
    A    B     C 
0  ABC  USD  2.31 
1  DEF  MXN  4.72 
2  XYZ  EUR  5.83 
 
df2 = pd.DataFrame(data=[['USD', 1, 0.5], ['USD', 2, 0.8], ['USD', 3, 1.5], ['MXN', 2, 0.6], ['MXN', 3, 0.71], ['MXN', 4, 0.88], ['EUR', 6, 0.12], ['EUR', 7, 0.5], ['EUR', 8, 0.7]], columns=['B', 'C', 'V']) 
>>df2 
     B  C     V 
0  USD  1  0.50 
1  USD  2  0.80 
2  USD  3  1.50 
3  MXN  2  0.60 
4  MXN  3  0.71 
5  MXN  4  0.88 
6  EUR  6  0.12 
7  EUR  7  0.50 
8  EUR  8  0.70 

我想根据 B 列和 C 列加入两个数据框,以便得到以下结果

     A    B     C      V 
0  ABC  USD  2.31  1.017 
1  DEF  MXN  4.72  0.880 
2  XYZ  EUR  5.83  0.120 

插值是线性的,超出范围时使用最近的点。

第一个值

1.017=0.8+(2.31-2)*(1.5-0.8) 

第二个值在那里是因为 MXN 在 df2 中的最大值是 0.6

第三个值同样是欧元的最大值,即 0.12

目标是尽可能高效地执行此操作,因为数据帧非常大。

截至目前,我正在按 B 分组并使用 scipy 插值函数。

请您参考如下方法:

这是我想出的解决方案,但我认为您可以通过使用带有 scipy.interpolate 的应用来改进它对于插值步骤。首先为 df1 创建 floor、ceiling 和 delta 列。

enter df1['C_floor'] = df1.C.apply(np.floor) 
df1['C_ceil'] = df1.C.apply(np.ceil) 
df1['C_delta'] = df1.C - df1.C_floor 

进行双左连接以获得 V对应C的地板和天花板来自 df2 .

df1 = df1.merge(df2, how ='left', left_on = ['B',  'C_floor'], right_on = ['B', 'C']) 
df1 = df1.merge(df2, how ='left', left_on = ['B',  'C_ceil'], right_on = ['B', 'C']) 

这是我认为您可以使代码更快的地方,但我写了一个简短的函数来查找加权平均值并考虑 C 的情况。超出了 df2 中可用的范围.

def weighted_mean(x): 
    if np.isnan(x.V_x): 
        return x.V_y 
    elif np.isnan(x.V_y): 
        return x.V_x 
    else: 
        return x.V_y + (x.V_x - x.V_y) * x.C_delta  
 
df1['V'] = df1[['V_x', 'V_y', 'C_delta']].apply(weighted_mean, axis = 1) 

最后进行一些清理。

df1 = df1[['A', 'B', 'C_x', 'V']] 
df1.columns = ['A', 'B', 'C', 'V'] 

哪个给。

     A    B     C      V 
0  ABC  USD  2.31  1.283 
1  DEF  MXN  4.72  0.880 
2  XYZ  EUR  5.83  0.120