python – Pandas：通过在现有列之间进行线性插值来创建一个新列
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – Pandas：通过在现有列之间进行线性插值来创建一个新列，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2542字，纯文字阅读大概需要4分钟。
内容图文
假设我有一个DataFrame,其中包含有关山上不同海拔高度温度的数据,每个数据每天同时采样一次.每个探针的高度是固定的(即它们每天保持不变)并且是已知的.每行代表一个不同的时间戳,我有一个单独的列来记录每个探针观察到的温度.我还有一个列(targ_alt),其中包含每行的“感兴趣的高度”.
我的目标是添加一个名为intreped_temp的新列,其中包含对于每一行,通过在已知高度的探针温度之间线性插值,为该行的targ_alt获得的温度.做这个的最好方式是什么？
这是一些设置代码,因此我们可以查看相同的上下文：
import pandas as pd
import numpy as np
np.random.seed(1)
n = 10
probe_alts = {'base': 1000, 'mid': 2000, 'peak': 3500}
# let's make the temperatures decrease at higher altitudes...just for style
temp_readings = {k: np.random.randn(n) + 15 - v/300 for k, v in probe_alts.items()}
df = pd.DataFrame(temp_readings)
targ_alt = 2000 + (500 * np.random.randn(n))
df['targ_alt'] = targ_alt
所以df看起来像这样：
base mid peak targ_alt
0 13.624345 10.462108 2.899381 1654.169624
1 11.388244 6.939859 5.144724 1801.623237
2 11.471828 8.677583 4.901591 1656.413650
3 10.927031 8.615946 4.502494 1577.397179
4 12.865408 10.133769 4.900856 1664.376935
5 9.698461 7.900109 3.316272 1993.667701
6 13.744812 8.827572 3.877110 1441.344826
7 11.238793 8.122142 3.064231 2117.207849
8 12.319039 9.042214 3.732112 2829.901089
9 11.750630 9.582815 4.530355 2371.022080
解决方法:
在上面给出的示例中,我想要插入每行中的不同x坐标.精细.如果你不…如果你想要插入每一行中相同的x坐标,那么使用SciPy可以节省大量的时间.见下面的例子：
import numpy as np
import pandas as pd
from scipy.interpolate import interp1d
np.random.seed(1)
n = 10e4
df = pd.DataFrame({'a': np.random.randn(n),
'b': 10 + np.random.randn(n),
'c': 30 + np.random.randn(n)})
xs = [-10, 0, 10]
cvs = df.columns.values
现在考虑使用3种不同的方法来处理一个列,该列将在给定列之间插入x坐标为5：
%timeit df['n1'] = df.apply(lambda row: np.interp(5, xs, row[cvs]), axis=1)
%timeit df['n2'] = df.apply(lambda row: np.interp(5, xs, tuple([row[j] for j in cvs])), axis=1)
%timeit df['n3'] = interp1d(xs, df[cvs])(5)
以下是n = 1e2的结果：
100 loops, best of 3: 13.2 ms per loop
1000 loops, best of 3: 1.24 ms per loop
1000 loops, best of 3: 488 μs per loop
对于n = 1e4：
1 loops, best of 3: 1.33 s per loop
10 loops, best of 3: 109 ms per loop
1000 loops, best of 3: 798 μs per loop
对于n = 1e6：
# first one is too slow to wait for
1 loops, best of 3: 10.9 s per loop
10 loops, best of 3: 58.3 ms per loop
一个后续问题：是否有一种快速修改此代码的方法,以便通过线性外推法处理训练数据最小 – 最大范围之外的x输入？
内容总结
以上是互联网集市为您收集整理的python – Pandas：通过在现有列之间进行线性插值来创建一个新列全部内容，希望文章能够帮你解决python – Pandas：通过在现有列之间进行线性插值来创建一个新列所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。