Skip to main content
 首页 » 编程设计

Python Pandas之将数值均匀分布到最近的行

2024年12月31日16shanyou

假设我有一个数据集:

> NaN NaN NaN 12 NaN NaN NaN NaN 10 NaN NaN NaN NaN 8 NaN 6 NaN 

我想在它们周围的 NaN 值之间尽可能均匀地分配这些值。例如,值 12 应考虑到它们周围的 NaN,并将它们均匀分布,直到它触及第二个非 NaN 值的 NaN .

例如,第一个 12 应该只考虑他最接近的 NaN。

> NaN NaN NaN 12 NaN NaN 

输出应该是:

2 2 2 2 2 (Distributed by the 12) 
 
2 2 2 2 2 (Distributed by the 10) 
 
2 2 2 2 (Distributed by the 8) 
 
2 2 2 (Distributed by the 6) 
 
> NaN NaN NaN 12 NaN NaN NaN NaN 10 NaN NaN NaN NaN 8 NaN 6 NaN 
 
> 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 

本来想着用平滑器,比如Pandas中的interpolate函数。它不一定是无损的,这意味着我们可以失去或得到比进步中的总和更多的东西。是否有任何库可以执行这种分布而不是使用有损平滑器?

请您参考如下方法:

您可以使用 interpolate(method='nearest') , ffill()和 bfill()最后 groupby() .

简短版:

>> series = pd.Series(x).interpolate(method='nearest').ffill().bfill() 
>> series.groupby(series).apply(lambda k: k/len(k)) 
 
[2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 3.0, 3.0] 

为了说明发生了什么,创建你的df

df = pd.DataFrame() 
df["x"] = x 

其中 x 是您提供的系列。现在:

>>> df["inter"] = df.x.interpolate(method='nearest').ffill().bfill() 
>>> df["inter"] = df.groupby("inter").inter.apply(lambda k: k/len(k)) 
 
>>> df 
 
    x     inter 
0   NaN   2.0 
1   NaN   2.0 
2   NaN   2.0 
3   12.0  2.0 
4   NaN   2.0 
5   NaN   2.0 
6   NaN   2.0 
7   NaN   2.0 
8   10.0  2.0 
9   NaN   2.0 
10  NaN   2.0 
11  NaN   2.0 
12  NaN   2.0 
13  8.0   2.0 
14  NaN   2.0 
15  6.0   3.0 
16  NaN   3.0