我有以下数据帧(摘录)
data = pd.DataFrame([[0., -10.88948939, 74.22099994, 1.5, "NW", 0], [0.819377018, -10.88948939, 74.22099994, 1.5, "NW", 1], [8.47965933, -10.88948939, 74.22099994, 1.5, "NW", 10], [15.38036833, -10.88948939, 74.22099994, 1.5, "NW", 20]], columns=["Velocity", "X", "Y", "Z", "wind_direction", "wind_speed"])
Velocity X Y Z wind_direction wind_speed
0 -10.88 74.22 1.5 NW 0
0.82 -10.89 74.22 1.5 NW 1
8.48 -10.89 74.22 1.5 NW 10
15.38 -10.89 74.22 1.5 NW 20
它表示特定坐标(X、Y、Z)和两个边界条件(wind_direction 和wind_speed)的CFD 模拟结果。
我想估计相同点(X,Y,Z)的速度,相同的wind_direction,但中间wind_speed,比如4.6。我的数据框中有这个额外的行
NaN -10.89 74.22 1.5 NW 4.6
现在我想根据wind_speed进行插值以填充NaN。对于上面的例子,我希望得到 6.643773541
数字来自线性插值:
0.82 + (4.6 - 1)/(10 - 1) * (8.48 - 0.82)
任何的想法?谢谢
更新
我已经找到了解决上述问题的方法。诀窍是使用 groupby 并定义一个函数,该函数对由 groupby 创建并传递给 apply() 的数据帧进行插值。就我而言,这是功能
def interp(x, wind_speed):
g = interpolate.interp1d(np.array(x["wind_speed"]), np.array(x["Velocity"]))
return g(wind_speed)
这是我的 groupby
group = df.groupby("point").apply(interp, wind_speed)
必须使用表示执行插值的点的参数调用函数 interp。
我想知道是否有更好的方法来做到这一点。
最佳答案
我的解决方案是通过以下方式索引“wind_speed”:
df.set_index('wind_speed', inplace=True)
然后我通过索引列进行插值
df.interpolate(method='index', inplace=True)
现在我可以返回之前的状态
df.reset_index(inplace=True)
如果进展顺利,请告诉我...
关于python - Pandas 根据不同的列对 NaN 进行插值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27235112/