Python数据中的插值

Question

我试图在Python中执行线性插值，以便根据某一列中的某些值计算插值值。

在下面的示例中，我希望使用插值中高度列中相关单元格的实际数值来插值产品"a“和"b”的测量值。我可以称高度列为插值的索引吗？

当我插值乘积"a“的缺失测量值时，用于插值的索引值为4、5和7。对于乘积"b”的插值，使用的索引值为1、2.2和3。

我知道dataframe.interpolate()，但我很难修改代码以使用正确的索引值。

下面是我开始使用的dataframe的代码：

import pandas as pd
testdata1 = [('Product', ['a', 'a', 'a', 'b', 'b', 'b','b']),
     ('Height', ['4', '5', '7', '1',  '2.2', '3','4']),
     ('Measurement', ['35.00', '', '55.00','10.00','','30.00','40.00']),
     ]
df = pd.DataFrame.from_items(testdata1)
df

​

​

下面是我需要的数据文件的代码：

targetdf = [('Product', ['a', 'a', 'a', 'b', 'b', 'b','b']),
     ('Height', ['4', '5', '7', '1',  '2.2', '3','4']),
     ('Measurement', ['35.00', '41.67', '55.00','10.00','22.00','30.00','40.00']),
     ]
df2 = pd.DataFrame.from_items(targetdf)
df2

​

​

如果不能用dataframe来完成这一任务，我愿意使用Python进行其他操作。

任何帮助都是非常感谢的。我是Python新手。谢谢。

Answer 1

您可以首先使用一些数据清理：

#convert '' to `NaN`s and all strings to numeric
df['Measurement'] = pd.to_numeric(df['Measurement'], errors='coerce')
#convert strings to numeric
df['Height'] =  df['Height'].astype(float)

然后使用set_index、groupby和apply自定义函数和interpolate，最后通过reindex获得reset_index和列的原始顺序。

df1 = df.set_index('Height') \
        .groupby('Product') \
        .apply(lambda x: x.interpolate(method='index')) \
        .reset_index() \
        .reindex(columns=df.columns)
print (df1)
  Product  Height  Measurement
0       a     4.0    35.000000
1       a     5.0    41.666667
2       a     7.0    55.000000
3       b     1.0    10.000000
4       b     2.2    22.000000
5       b     3.0    30.000000
6       b     4.0    40.000000