pandas DataFrame 中行之间的线性插值

Question

我有以下数据框：

import numpy as np
import pandas as pd

df = pd.DataFrame([np.zeros(10),
               np.arange(1,11),
               np.arange(11,21),
               np.arange(21,31)])

我正在寻找一种在行之间进行高效线性插值的方法。例如，我想使用线性插值在 DataFrame 的每一行之间添加 n 新行。该方法需要尽可能高效，因为我使用的实际数据帧非常大。预期的输出是一个 DataFrame，每个现有行之间有 n 个新行。

Answer 1

IIUC，如果您的索引是默认范围索引，您可以使用 reindex 和 np.linspace，否则您可以 reset_index 使用此方法。

df = pd.DataFrame([np.zeros(10),
               np.arange(1,11),
               np.arange(11,21),
               np.arange(21,31)])

n=5
new_indx = np.linspace(df.index.min(), df.index.max(), (df.shape[0]-1)*n+df.shape[0])
df.reindex(new_indx).interpolate(method='index')

输出：

                  0          1          2          3          4          5  \
0.000000   0.000000   0.000000   0.000000   0.000000   0.000000   0.000000   
0.166667   0.166667   0.333333   0.500000   0.666667   0.833333   1.000000   
0.333333   0.333333   0.666667   1.000000   1.333333   1.666667   2.000000   
0.500000   0.500000   1.000000   1.500000   2.000000   2.500000   3.000000   
0.666667   0.666667   1.333333   2.000000   2.666667   3.333333   4.000000   
0.833333   0.833333   1.666667   2.500000   3.333333   4.166667   5.000000   
1.000000   1.000000   2.000000   3.000000   4.000000   5.000000   6.000000   
1.166667   2.666667   3.666667   4.666667   5.666667   6.666667   7.666667   
1.333333   4.333333   5.333333   6.333333   7.333333   8.333333   9.333333   
1.500000   6.000000   7.000000   8.000000   9.000000  10.000000  11.000000   
1.666667   7.666667   8.666667   9.666667  10.666667  11.666667  12.666667   
1.833333   9.333333  10.333333  11.333333  12.333333  13.333333  14.333333   
2.000000  11.000000  12.000000  13.000000  14.000000  15.000000  16.000000   
2.166667  12.666667  13.666667  14.666667  15.666667  16.666667  17.666667   
2.333333  14.333333  15.333333  16.333333  17.333333  18.333333  19.333333   
2.500000  16.000000  17.000000  18.000000  19.000000  20.000000  21.000000   
2.666667  17.666667  18.666667  19.666667  20.666667  21.666667  22.666667   
2.833333  19.333333  20.333333  21.333333  22.333333  23.333333  24.333333   
3.000000  21.000000  22.000000  23.000000  24.000000  25.000000  26.000000   

                  6          7          8          9  
0.000000   0.000000   0.000000   0.000000   0.000000  
0.166667   1.166667   1.333333   1.500000   1.666667  
0.333333   2.333333   2.666667   3.000000   3.333333  
0.500000   3.500000   4.000000   4.500000   5.000000  
0.666667   4.666667   5.333333   6.000000   6.666667  
0.833333   5.833333   6.666667   7.500000   8.333333  
1.000000   7.000000   8.000000   9.000000  10.000000  
1.166667   8.666667   9.666667  10.666667  11.666667  
1.333333  10.333333  11.333333  12.333333  13.333333  
1.500000  12.000000  13.000000  14.000000  15.000000  
1.666667  13.666667  14.666667  15.666667  16.666667  
1.833333  15.333333  16.333333  17.333333  18.333333  
2.000000  17.000000  18.000000  19.000000  20.000000  
2.166667  18.666667  19.666667  20.666667  21.666667  
2.333333  20.333333  21.333333  22.333333  23.333333  
2.500000  22.000000  23.000000  24.000000  25.000000  
2.666667  23.666667  24.666667  25.666667  26.666667  
2.833333  25.333333  26.333333  27.333333  28.333333  
3.000000  27.000000  28.000000  29.000000  30.000000

pandas DataFrame 中行之间的线性插值

Linear interpolation between rows in pandas DataFrame

python

numpy

scipy

linear-interpolation

pandas