pandas

Question

我有一个 pandas 数据框

     a   b  c
0  0.5  10  7
1  1.0   6  6
2  2.0   1  7
3  2.5   6 -5
4  3.5   9  7

并且我想在某个步骤的基础上填充关于列 'a' 的缺失列。在这种情况下，给定步长0.5，我想用缺失值填充'a'列，即1.5和3.0，并将其他列设置为空，以获得以下结果。

     a     b    c
0  0.5  10.0  7.0
1  1.0   6.0  6.0
2  1.5   NaN  NaN
3  2.0   1.0  7.0
4  2.5   6.0 -5.0
5  3.0   NaN  NaN
6  3.5   9.0  7.0

使用 pandas 或 numpy 或 scipy 等其他库执行此操作的最简洁方法是什么？

谢谢！

Answer 1

创建数组 numpy.arange, then create index by set_index and last reindex with reset_index:

step= .5
idx = np.arange(df['a'].min(), df['a'].max() + step, step)
df = df.set_index('a').reindex(idx).reset_index()
print (df)
     a     b    c
0  0.5  10.0  7.0
1  1.0   6.0  6.0
2  1.5   NaN  NaN
3  2.0   1.0  7.0
4  2.5   6.0 -5.0
5  3.0   NaN  NaN
6  3.5   9.0  7.0

Answer 2

一个简单的实现方法是首先创建您想要的索引，然后合并其中的剩余信息：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': [0.5, 1, 2, 2.5, 3.5],
                   'b': [10, 6, 1, 6, 9],
                   'c': [7, 6, 7, -5, 7]})
ls = np.arange(df.a.min(), df.a.max(), 0.5)
new_df = pd.DataFrame({'a':ls})
new_df = new_df.merge(df, on='a', how='left')

pandas - 在列值的基础上添加缺失的行以获得 linspace

pandas - add missing rows on the basis of column values to have linspace

python

interpolation

autofill

linear-interpolation