Python Pandas-检索一列中的值，但它们小于第二列的值

Question

假设我有一个如下所示的 df:

   posF  ffreq  posR  rfreq
0    10   0.50  11.0   0.08
1    20   0.20  31.0   0.90
2    30   0.03  41.0   0.70
3    40   0.72  51.0   0.08
4    50   0.09  81.0   0.78
5    60   0.09   NaN    NaN
6    70   0.01   NaN    NaN
7    80   0.09   NaN    NaN
8    90   0.08   NaN    NaN
9   100   0.02   NaN    NaN

在posR列中，我们看到它从11跳到了31，并且“20”中没有值。我想插入一个值来填充该空间，该值本质上只是 posF 值和 NA，因此我得到的 df 如下所示:

   posF  ffreq  posR  rfreq
0    10   0.50  11.0   0.08
1    20   0.20  20     NaN
2    30   0.03  31.0   0.90
3    40   0.72  41.0   0.70
4    50   0.09  50     NaN
5    60   0.09  60     NaN
6    70   0.01  70     NaN
7    80   0.09  80     NaN
8    90   0.08  81.0   0.78
9   100   0.02  100    NaN

因此，我想用 posF 中位于 posR 值之间的值填充该位置中的 NaN 值。

我尝试做的只是创建一个虚拟列表，并根据值是否小于 a 将值添加到列表中(我在这里看到了缺陷，但我不知道如何修复它)。

insert_rows = []
for x in df['posF']:
    for a,b in zip(df['posR'], df['rfreq']):
        if x<a:
            insert_rows.append([x, 'NA'])
print(len(insert_rows))#21, should be 5

我意识到它会多次附加 x 直到达到 >a 的条件。

此后，我将创建一个新的 df 并将这些值添加到原始的 2 列中，使它们的长度相同。

如果您能想到更好的标题，请随时进行编辑。

Answer 1

我的第一个想法是通过使用 posF 进行插值来检索 posR 中条目的新索引，然后将值放入新位置 - 但正如您想要的那样81 比此处晚一行，恐怕这并不完全是您要搜索的内容，而且我仍然没有真正理解您的任务背后的逻辑。
然而，也许这是一个起点，让我们看看......

这种方法的工作原理如下:

根据posF中的顺序检索posR中值的新索引位置:

import numpy as np
idx = np.interp(df.posR, df.posF, df.index).round()

删除 nan 条目并转换为 int:

idx = idx[np.isfinite(idx)].astype(int)

通过复制第一步中的posF创建一个新列，并将newrfreq分别设置为nan:

df['newposR'] = df.posF
df['newrfreq'] = np.nan

然后用 posR 和 rfreq 中的值覆盖，但现在位于更新的位置:

df.loc[idx, 'newposR'] = df.posR[:len(idx)].values
df.loc[idx, 'newrfreq'] = df.rfreq[:len(idx)].values

结果:

   posF  ffreq  posR  rfreq  newposR  newrfreq
0    10   0.50  11.0   0.08     11.0      0.08
1    20   0.20  31.0   0.90     20.0       NaN
2    30   0.03  41.0   0.70     31.0      0.90
3    40   0.72  51.0   0.08     41.0      0.70
4    50   0.09  81.0   0.78     51.0      0.08
5    60   0.09   NaN    NaN     60.0       NaN
6    70   0.01   NaN    NaN     70.0       NaN
7    80   0.09   NaN    NaN     81.0      0.78
8    90   0.08   NaN    NaN     90.0       NaN
9   100   0.02   NaN    NaN    100.0       NaN