如何用函数（sin，line）填充 pandas 列？答案

【问题标题】：How can I fill pandas column with a function (sin,line)?如何用函数（sin，line）填充 pandas 列？
【发布时间】：2018-07-13 17:49:46
【问题描述】：

我有一个数据框，其中包含我自己添加的一些列。有一个特定的列收集最大和最小潮位。

Pandas Column mostly empty but with some reference values

import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1,2,3,4],'b':[np.nan,np.nan,3,4]},columns=['a','b']) 
df

问题在于该列大部分是空的，因为它只显示那些峰值而不是中间值。我想用类似于下图的函数来填充缺失值。

I want to fill it with a function of this kind

提前谢谢你。

【问题讨论】：

欢迎来到 StackOverflow。请花时间阅读how to provide a great pandas example 上的这篇文章以及如何提供minimal, complete, and verifiable example 并相应地修改您的问题。 how to ask a good question 上的这些提示也可能有用。
如果你想得到足够的答案，你应该更具体一点。可以使用自定义函数拟合数据，例如使用 scipy.optimize.curve_fit。但是你这里的索引数据是什么？ A datetime column?
@Piinthesky 在其他人之间，我有一个 datetime 列，它每 15 分钟注册一次日期。另一栏（我有兴趣填写的栏）是我之前解释过的栏。感谢您的帮助
@Piinthesky 我不知道如何添加代码示例并查看输出

标签： python pandas numpy dataframe data-science

【解决方案1】：

由于您没有指定您的 pandas 数据框使用哪种日期时间格式，这里是一个索引数据示例。您可以使用它们，前提是它们间隔均匀且没有间隙。

import pandas as pd
import numpy as np
from scipy.optimize import curve_fit

tide = np.asarray([-1.2,np.nan,np.nan,3.4,np.nan,np.nan,-1.6,np.nan,np.nan,3.7,np.nan,np.nan,-1.4,])
tide_time = np.arange(len(tide))
df = pd.DataFrame({'a':tide_time,'b':tide}) 

#define your fit function with amplitude, frequence, phase and offset
def fit_func(x, ampl, freq, phase, offset):
    return ampl * np.sin(freq * x + phase) + offset

#extract rows that contain your values
df_nona = df.dropna()

#perform the least square fit, get the coefficients for your fitted data
coeff, _mat = curve_fit(fit_func, df_nona["a"], df_nona["b"])
print(coeff)

#append a column with fit data
df["fitted_b"] = fit_func(df["a"], *coeff)

我的样本数据的输出

#amplitude    frequency   phase       offset
[ 2.63098177  1.12805625 -2.17037976  1.0127173 ]

     a    b  fitted_b
0    0 -1.2 -1.159344
1    1  NaN -1.259341
2    2  NaN  1.238002
3    3  3.4  3.477807
4    4  NaN  2.899605
5    5  NaN  0.164376
6    6 -1.6 -1.601058
7    7  NaN -0.378513
8    8  NaN  2.434439
9    9  3.7  3.622127
10  10  NaN  1.826826
11  11  NaN -0.899136
12  12 -1.4 -1.439532

【讨论】：