熊猫有条件地增加了一个插值函数作为一个新列

Question

我创建了一系列5 scipy 三次样条 (内插器类型)对象，如下所示：

from scipy.interpolate import CubicSpline
def spline3(df, col1, col2):
    x, y = df[col1].values, df[col2].values
    cs = CubicSpline(x, y, bc_type='natural')
    return cs
# indexed series of spline obj
splines = avg_df.groupby('group').apply(spline3, 'tenor', 'mid')

其结果是：

    splines
    Out[129]: 
    group
    A     <scipy.interpolate._cubic.CubicSpline object a...
    B    <scipy.interpolate._cubic.CubicSpline object a...
    C    <scipy.interpolate._cubic.CubicSpline object a...
    D    <scipy.interpolate._cubic.CubicSpline object a...
    E    <scipy.interpolate._cubic.CubicSpline object a...
    dtype: object

也就是说，它们将为相同的输入x产生不同的插值，如下所示。如何将此最小数据集作为新列使用：

toy = pd.DataFrame({
    'group': ['A', 'A', 'E'],
    'months': [11.04, 11.89, 7.51]
    })

toy
Out[132]: 
  group  months
0     A   11.04
1     A   11.89
2     E    7.51

类似于toy['interpolated'] = splines[toy['MMD'](toy['months']的内容如下所示：

splines['A'](7)
Out[135]: array(0.90897722)

splines['E'](7)
Out[136]: array(1.74683114)

我想到了apply\ pipe或者np.select，但周五晚些时候我就逃不掉了。

Answer 1

我认为您可以将.apply与lambda row: func(row)一起使用，其中func(row)采用splines[row['group']](row['month'])形式

toy['spline_x'] = toy.apply(lambda row: splines[row['group']](row['month'), axis=1)