重新插入一个 DataFrame，使其与另一个（非常相关的）DataFrame 对齐
Re-interpolate a DataFrame so that it aligns with another (very related) DataFrame
我有两个具有相同列名的数据框，['x', 'y']。 None 的数据代表时间。这两个数据帧具有相同的行数。他们的 'x' 列总是稍微错位。
Dataframe A，我认为是 "golden"（或者理论上的，如果你愿意的话）数据集，具有以下条目：
x: [0, 1, 2]
y: [0, 1, 2]
Dataframe B，可能是我从电子工作台收集的一些数据，具有以下条目：
x: [0, 1.03, 1.98]
y: [0, 1.05, 2.03]
我想要做的是重新对齐 Dataframe B，使其代表与 Dataframe A 相同的 x 点的数据。为了说明，我想转换 Dataframe B，使其看起来像这样：
x: [0, 1, 2]
y: [0, 1.02, 2.05]
我如何获得 y 的值？一张图最能说明我曾经做过的相似三角形：
pandas 是否有内置函数来执行此操作？有图书馆可以帮助我做到这一点吗？ （否则我将不得不从头开始写这个）
更新 1
看起来scipy.interpolate.interp1d可以优雅地解决这个问题。
我能想到的最接近 pandas 的是 reindex().interpolate()。玩 interpolate() 的 method 选项我想这可能是你想要的：
new_x = sorted(pd.concat((df1.x,df2.x)).unique())
df2.set_index('x').reindex(new_x).interpolate(method='krogh')
输出：
y
x
0.00 0.000000
1.00 1.019233
1.03 1.050000
1.98 2.030000
2.00 2.050751
我有两个具有相同列名的数据框，['x', 'y']。 None 的数据代表时间。这两个数据帧具有相同的行数。他们的 'x' 列总是稍微错位。
Dataframe A，我认为是 "golden"（或者理论上的，如果你愿意的话）数据集，具有以下条目：
x: [0, 1, 2]
y: [0, 1, 2]
Dataframe B，可能是我从电子工作台收集的一些数据，具有以下条目：
x: [0, 1.03, 1.98]
y: [0, 1.05, 2.03]
我想要做的是重新对齐 Dataframe B，使其代表与 Dataframe A 相同的 x 点的数据。为了说明，我想转换 Dataframe B，使其看起来像这样：
x: [0, 1, 2]
y: [0, 1.02, 2.05]
我如何获得 y 的值？一张图最能说明我曾经做过的相似三角形：
pandas 是否有内置函数来执行此操作？有图书馆可以帮助我做到这一点吗？ （否则我将不得不从头开始写这个）
更新 1
看起来scipy.interpolate.interp1d可以优雅地解决这个问题。
我能想到的最接近 pandas 的是 reindex().interpolate()。玩 interpolate() 的 method 选项我想这可能是你想要的：
new_x = sorted(pd.concat((df1.x,df2.x)).unique())
df2.set_index('x').reindex(new_x).interpolate(method='krogh')
输出：
y
x
0.00 0.000000
1.00 1.019233
1.03 1.050000
1.98 2.030000
2.00 2.050751