根据来自熊猫和matplotlib的y值查找x值[重复]

Question

我试图弄清楚如何根据熊猫数据系列和 matplolib 中的 y 值获取 x 值。

更准确地说，我需要从多列中获取 y=0.5 时的 x 值。根据用户输入对数据进行归一化和切割。

我没有足够的数据点来获得精确的 0.5 值（最接近的可能是 0.4 或 0.6）

我虽然也许可以在 0.5 值处绘制线并获得交点或以某种方式插入数据，但我真的不知道如何正确地做到这一点。

也许有人有一些建议？

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('test.csv', header=0, sep=',' )  

colnames = list(df.columns)
print(colnames)
colnames.pop(0)
for i in colnames:

df[i]= (df[i] - df[i].min()) / (df[i].max() - df[i].min())



print(df)
df.plot(x='Temperature')
plt.show()

y = input('Enter temperature')
d1 = df[df['Temperature'] >= int(y)]
a = input('Second temperature')
d2 = d1[d1['Temperature'] <= int(a)]

colnames2 = list(d2.columns)
for i in colnames2:
df[i] = (df[i] - df[i].min()) / (df[i].max() - df[i].min())
main = d2.plot(x='Temperature')
line = plt.axhline(y=0.5, color='black', linestyle='-')

plt.show()

p1 = d2.interpolate()

Answer 1

编辑：我意识到您试图从 y 预测 x，而不是从 x 预测 y，所以我在下面交换了我的变量。问题类似。

执行此操作的最佳方法取决于数据的相关内容、分布方式等。但是，一种方法是根据数据训练线性模型，然后使用该模型估计 x 的值当 y 等于 0.5 时。

例如，您可以使用 scikit-learn 提供的线性模型之一：

import pandas as pd
from sklearn import linear_model
import numpy as np
from io import StringIO

data = """y,x
0.1,4
0.2,8
0.3,12
0.4,16
0.6,24
"""

df = pd.read_csv(StringIO(data))

x = df[['x']]
y = df[['y']]

# Create linear regression object
regr = linear_model.LinearRegression()

# Train the model using the available data
regr.fit(y, x)

# Predict for the missing value
interpolated = regr.predict(np.array([[0.5]]))

print(float(interpolated))

...或者您可以根据数据的情况拟合更复杂的模型。