使用循环对多个数据集进行线性一维插值答案

【问题标题】：Linear 1D interpolation on multiple datasets using loops使用循环对多个数据集进行线性一维插值
【发布时间】：2019-07-02 19:08:11
【问题描述】：

我对使用 scipy.interpolate 库执行线性插值很感兴趣。数据集看起来有点像这样： DATAFRAME for interpolation between X, Y for different RUNs

我想使用这个插值函数从这个数据集中找到缺失的 Y： DATAFRAME to use the interpolation function

此处给出的运行次数仅为 3，但我正在运行的数据集将运行 1000 次。因此，如果您能建议如何使用迭代函数进行插值，将不胜感激？

from scipy.interpolate import interp1d
for RUNNumber in range(TotalRuns)
 InterpolatedFunction[RUNNumber]=interp1d(X, Y)

【问题讨论】：

标签： pandas python-2.7 scipy linear-interpolation

【解决方案1】：

据我了解，您需要为每次运行定义一个单独的插值函数。然后，您想将这些函数应用于第二个数据帧。我定义了一个数据框df，列['X', 'Y', 'RUN']，第二个数据框new_df，列['X', 'Y_interpolation', 'RUN']。

interpolating_functions = dict()
for run_number in range(1, max_runs):
    run_data = df[df['RUN']==run_number][['X', 'Y']]
    interpolating_functions[run_number] = interp1d(run_data['X'], run_data['Y'])

现在我们为每次运行都有插值函数，我们可以使用它们来填充新数据帧中的“Y_interpolation”列。这可以使用apply 函数来完成，该函数接受一个函数并将其应用于数据帧中的每一行。因此，让我们定义一个插值函数，它将获取这个新 df 的一行，并使用 X 值和运行次数来计算插值的 Y 值。

def interpolate(row):
    int_func = interpolating_functions[row['RUN']]
    interp_y = int_func._call_linear([row['X'])[0] #the _call_linear method
                                                   #expects and returns an array
    return interp_y[0]

现在我们只使用apply 和我们定义的interpolate 函数。

new_df['Y_interpolation'] = new_df.apply(interpolate,axis=1)

我使用的是 pandas 0.20.3 版，这给了我一个如下所示的 new_df：

【讨论】：

谢谢@A。 Entuluva 非常了解如何处理这个问题陈述的总体思路。但是，我在尝试使用“应用”功能时收到错误“ValueError：错误的项目数传递 2，位置意味着 1”。你能分享你的代码吗？我正在使用这个： new_df1={'X': [1,4,12,998,1,4,12,998,1,4,12,998], 'RUN':[1,1,1,1,2,2, 2,2,3,3,3,3] } new_df=pd.DataFrame(new_df1) new_df['Y_interpolation']=new_df.apply(interpolate,axis=1)
您的代码对我来说运行良好。你用的是什么版本的熊猫？ apply 的语法可能已更改。
嗨@A.Entuluva，我使用的是0.16.2。升级到 0.20.3 后我会尝试同样的方法。谢谢。