Python Pandas/Scipy中的特定插值方法

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['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)