Python Pandas/Scipy中的特定插值方法
首先创建数据:Python Pandas/Scipy中的特定插值方法,python,pandas,numpy,scipy,Python,Pandas,Numpy,Scipy,首先创建数据: import pandas as pd import numpy as np %matplotlib inline data = pd.DataFrame({'time':np.arange(10)}) data['sin_of_the_times']= np.sin(data.time) newdata = pd.DataFrame({'time': np.linspace(0,10,15)}) newdata['sin_of_the_times'] = np.NAN data
import pandas as pd
import numpy as np
%matplotlib inline
data = pd.DataFrame({'time':np.arange(10)})
data['sin_of_the_times']= np.sin(data.time)
newdata = pd.DataFrame({'time': np.linspace(0,10,15)})
newdata['sin_of_the_times'] = np.NAN
data['interpolated']=False
newdata['interpolated']= True
ultimatedata = pd.concat([data, newdata])
ultimatedata.sort_values('time', inplace=True)
这就给了你:
time sin_of_the_times interpolated
0 0.000000 0.000000 False
0 0.000000 NaN True
1 0.714286 NaN True
1 1.000000 0.841471 False
2 1.428571 NaN True
2 2.000000 0.909297 False
...
在不生成新函数的情况下Python中是否存在一种插值方法,该方法将采用:
- 第一个NaN表示时间=0.0是0%,从时间=0到时间=1.0,因此是0到8之间的0%,因此将是0.0
- 第二个NaN将是0到1之间的7/10(ish),因此是0到0.841471之间的7/10,因此它将是.5890297
- 第三个NaN将是1和2之间的4/10(ish),因此也是0.841471和0.909297之间的4/10
这种插值方法有名字吗?(在本例中是向上采样)插值方法似乎只基于一列。您仍然希望进行线性插值;您只需要指定点之间的距离取决于时间,而不是假设它们的间距相等。因此,首先将索引设置为
time
,然后使用interpolate
df = df.set_index('time')
df.sin_of_the_times.interpolate(method='index')
输出:
这就是我的出发点:
df
time sin_of_the_times
0 0.000000 0.000000
0 0.000000 NaN
1 0.714286 NaN
1 1.000000 0.841471
2 1.428571 NaN
2 2.000000 0.909297
你仍然想做一个线性插值;您只需要指定点之间的距离取决于时间,而不是假设它们的间距相等。因此,首先将索引设置为
time
,然后使用interpolate
df = df.set_index('time')
df.sin_of_the_times.interpolate(method='index')
输出:
这就是我的出发点:
df
time sin_of_the_times
0 0.000000 0.000000
0 0.000000 NaN
1 0.714286 NaN
1 1.000000 0.841471
2 1.428571 NaN
2 2.000000 0.909297
从
numpy
np.interp(df['time'].values,
df.dropna()['time'].values,
df.dropna()['sin_of_the_times'].values)
Out[783]:
array([0. , 0. , 0.60105095, 0.841471 , 0.87053926,
0.909297 ])
#df['sin_of_the_times']= np.interp(df['time'].values,
# df.dropna()['time'].values,
# df.dropna()['sin_of_the_times'].values)
从
numpy
np.interp(df['time'].values,
df.dropna()['time'].values,
df.dropna()['sin_of_the_times'].values)
Out[783]:
array([0. , 0. , 0.60105095, 0.841471 , 0.87053926,
0.909297 ])
#df['sin_of_the_times']= np.interp(df['time'].values,
# df.dropna()['time'].values,
# df.dropna()['sin_of_the_times'].values)