Python 基于列插值的pandas连接

我正在尝试基于这两列连接两个数据帧。问题是我想插值其中一个列值

df1 = pd.DataFrame(data=[['ABC', 'USD', 2.31], ['DEF', 'MXN', 4.72], ['XYZ', 'EUR', 5.83]], columns=['A', 'B', 'C'])
>>df1
    A    B     C
0  ABC  USD  2.31
1  DEF  MXN  4.72
2  XYZ  EUR  5.83

df2 = pd.DataFrame(data=[['USD', 1, 0.5], ['USD', 2, 0.8], ['USD', 3, 1.5], ['MXN', 2, 0.6], ['MXN', 3, 0.71], ['MXN', 4, 0.88], ['EUR', 6, 0.12], ['EUR', 7, 0.5], ['EUR', 8, 0.7]], columns=['B', 'C', 'V'])
>>df2
     B  C     V
0  USD  1  0.50
1  USD  2  0.80
2  USD  3  1.50
3  MXN  2  0.60
4  MXN  3  0.71
5  MXN  4  0.88
6  EUR  6  0.12
7  EUR  7  0.50
8  EUR  8  0.70

我希望将基于B列和C列的两个数据帧连接起来，以便得到以下结果

     A    B     C      V
0  ABC  USD  2.31  1.017
1  DEF  MXN  4.72  0.880
2  XYZ  EUR  5.83  0.120

插值是线性的，超出范围时使用最近的点

第一个值

1.017=0.8+(2.31-2)*(1.5-0.8)

第二个值存在，因为df2中MXN的最大值为0.6

第三个值也是欧元的最大值，即0.12

目标是尽可能高效地完成这项工作，因为数据帧非常大

---

到目前为止，我正在按B分组并使用scipy插值函数。

这是我提出的解决方案，尽管我认为您可能可以通过在插值步骤中使用apply with

scipy.interpolate

来改进这一点。首先为df1创建楼板、天花板和三角柱

enter df1['C_floor'] = df1.C.apply(np.floor)
df1['C_ceil'] = df1.C.apply(np.ceil)
df1['C_delta'] = df1.C - df1.C_floor

从

df2

进行左双连接，以获得与

C

的地板和天花板相对应的

V

df1 = df1.merge(df2, how ='left', left_on = ['B',  'C_floor'], right_on = ['B', 'C'])
df1 = df1.merge(df2, how ='left', left_on = ['B',  'C_ceil'], right_on = ['B', 'C'])

def weighted_mean(x):
    if np.isnan(x.V_x):
        return x.V_y
    elif np.isnan(x.V_y):
        return x.V_x
    else:
        return x.V_y + (x.V_x - x.V_y) * x.C_delta 

df1['V'] = df1[['V_x', 'V_y', 'C_delta']].apply(weighted_mean, axis = 1)

在这里，我认为您可以使代码更快，但我编写了一个简短的函数来查找加权平均值，并解释

C

超出

df2

可用范围的情况

df1 = df1.merge(df2, how ='left', left_on = ['B',  'C_floor'], right_on = ['B', 'C'])
df1 = df1.merge(df2, how ='left', left_on = ['B',  'C_ceil'], right_on = ['B', 'C'])

def weighted_mean(x):
    if np.isnan(x.V_x):
        return x.V_y
    elif np.isnan(x.V_y):
        return x.V_x
    else:
        return x.V_y + (x.V_x - x.V_y) * x.C_delta 

df1['V'] = df1[['V_x', 'V_y', 'C_delta']].apply(weighted_mean, axis = 1)

最后是一些清理

df1 = df1[['A', 'B', 'C_x', 'V']]
df1.columns = ['A', 'B', 'C', 'V']

这就给了我们

     A    B     C      V
0  ABC  USD  2.31  1.283
1  DEF  MXN  4.72  0.880
2  XYZ  EUR  5.83  0.120

---

谢谢，这是一个很好的解决方案！这个时候对我有用。唯一的问题是，如果列C也是一个浮点数，那么它将不起作用。10.1、10.2等。只需将列

C

乘以10（或任何数字），转换为

int

，并使用完全相同的代码，只要将

ceil

和

floor

函数四舍五入到适当的间隔即可。这是我目前的方法-

ccy\u dict={ccy:interp1d（df['C'，df['V']，bounds\u error=False，fill\u value=（df['V'].iloc[0]，df['V'].iloc[-1]），对于ccy，在ccy\u\u df.groupby（'B'）}

后面是-

df1['V']=df1.apply（λx:ccy dict[x['B']]（x['C']），axis=1）