将值向后插入 Pandas 数据帧（从高到低）

Question

使用.fillna找到了解决方案

如你所料，我的标题已经很混乱了，我也是！ 我有一个这样的数据框

Index         Values
 0             NaN
 1             NaN
...................
230            350.21
231            350.71
...................
1605           922.24

在 230 和 1605 之间我有值，但前 229 个条目没有。所以我计算了斜率以近似丢失的数据并将其存储在“斜率”中。

Y1 = df['Values'].min()
X1ID = df['Values'].idxmin()
Y2 = df['Values'].max()
X2ID = df['Values'].idxmax()
slope = (Y2 - Y1)/(X2ID - X1ID)

本质上，我想从 Values 中获取 .min，减去斜率并将新值插入到前一个 .min 之前的索引中。但是，我完全迷失了，我尝试了这样的事情：

 df['Values2'] = df['Values'].min().apply(lambda x: x.min() - slope) 

但这显然是垃圾。我将不胜感激一些建议

编辑

所以在尝试了多种方法后，我找到了一个至少对我有用的粗略解决方案。

loopcounter = 0
missingValue = []
missingindex = []
missingindex.append(loopcounter)
missingValue.append(Y1)
for minValue in missingValue:
    minValue = minValue-slopeave
    missingValue.append(minwavelength)
    loopcounter +=1
    missingindex.append(loopcounter)
    if loopcounter == 230:
         break
del missingValue[0]
missingValue.reverse()
del missingindex[-1]

首先我创建了两个列表，一个用于缺失值，另一个用于索引。 之后我将我的最小值 (Y1) 添加到列表中并开始我的循环。 我希望循环在 230 次后停止（缺失值的数量） 每个循环都会从列表中的项目中减去斜率，从最小值开始，同时将计数器添加到缺失索引列表中。

删除第一个值并颠倒顺序将列表转换为正确的顺序。

missValue = dict(zip(missingindex,missingValue))

然后我将这两个列表组合成一个字典

df['Values'] = df['Values'].fillna(missValue)

之后我使用 .fillna 函数用字典填充我的数据框。

这对我有用，我知道它可能不是最优雅的解决方案...

我要感谢所有投入时间帮助我的人，非常感谢。

Answer 1

检查这个。但是，我觉得你必须把它作为一个循环，因为插入和最小计算必须重新计算

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=('Values',),data=
                    [
                        np.nan,
                        np.nan,
                        350.21,
                        350.71,
                        922.24
                    ])

Y1 = df['Values'].min()
X1ID = df['Values'].idxmin()
Y2 = df['Values'].max()
X2ID = df['Values'].idxmax()
slope = (Y2 - Y1)/(X2ID - X1ID)

line = pd.DataFrame(data=[Y1-slope], columns=('Values',), index=[X1ID])
df2 = pd.concat([df.ix[:X1ID-1], line, df.ix[X1ID:]]).reset_index(drop=True)
print df2

这里提供了插入逻辑Is it possible to insert a row at an arbitrary position in a dataframe using pandas?

Answer 2

我认为您可以将loc 与interpolate 一起使用：

print df
       Values
Index        
0         NaN
1         NaN
2         NaN
3         NaN
4         NaN
5         NaN
6         NaN
229       NaN
230    350.21
231    350.71
1605   922.24

#add value 0 to index = 0
df.at[0, 'Values'] = 0
#add value Y1 - slope (349.793978) to max NaN value 
df.at[X1ID-1, 'Values'] = Y1 - slope
print df
           Values
Index            
0        0.000000
1             NaN
2             NaN
3             NaN
4             NaN
5             NaN
6             NaN
229    349.793978
230    350.210000
231    350.710000
1605   922.240000

print df.loc[0:X1ID-1, 'Values']
Index
0        0.000000
1             NaN
2             NaN
3             NaN
4             NaN
5             NaN
6             NaN
229    349.793978
Name: Values, dtype: float64

#filter values by indexes and interpolate
df.loc[0:X1ID-1, 'Values'] = df.loc[0:X1ID-1, 'Values'].interpolate(method='linear')
print df
           Values
Index            
0        0.000000
1       49.970568
2       99.941137
3      149.911705
4      199.882273
5      249.852842
6      299.823410
229    349.793978
230    350.210000
231    350.710000
1605   922.240000

Answer 3

我会稍微修改一下：

df['Values2'] = df['Values']
df.ix[df.Values2.isnull(), 'Values2'] = (Y1 - slope)

编辑

或者试着把它放在一个像下面这样的循环中。这将递归地填充所有值，直到它到达系列的末尾：

def fix_rec(series):
    Y1 = series.min()
    X1ID = series.idxmin() ##; print(X1ID)
    Y2 = series.max()
    X2ID = series.idxmax()
    slope = (Y2 - Y1) / (X2ID - X1ID);

    if X1ID == 0: ## termination condition
        return series

    series.loc[X1ID-1] = Y1 - slope

    return fix_rec(series)

这样称呼它：

df['values2'] = df['values']
fix_rec(df.values2)

希望对你有帮助！