我在单个查询中看到过类似的问题:Closest Value in Pandas Series
我需要做类似的事情,但对于多个查询。
我有一列数据,就像一个时间输入,然后是另一列,它应该像一个函数。
对于Eg:
df = pd.concat([pd.Series(np.random.rand(51), name = 'f'), pd.Series(np.sort(np.random.choice(range(150), 51, replace=False)), name = 't')], axis = 1)
这给出了前五行:
df.head()
f t
0 0.459344 0
1 0.675319 3
2 0.481433 8
3 0.373959 12
4 0.554812 14
基本上,列f就像一个函数,它在区间[0,3]中的值是0.459344,在区间[3,8]中它是0.675319。
我正在使用自定义库进行集成,它将在给定时间重复查询函数值,按固定步骤,比如说0.05。我必须在那时为它提供函数的值。
例如:前5个查询将是0,0.05,0.1,0.15,0.2,所有这些都应返回0.459344
如何在没有重复搜索的情况下以最佳方式实现这一目标?
编辑:输入和输出格式的澄清。
我必须创建一个应该花时间作为输入的函数,并输出函数值。
输入时间可以是浮点数,因为时间步长约为0.05。
对于Eg:
让我们假设我已经创建了一个功能FunF,它可以实现我想要的功能。
这将由外部库调用
FunF(0) - # This should return 0.459344
FunF(0.05) - # This should return 0.459344
FunF(0.1) - # This should return 0.459344
FunF(0.15) - # This should return 0.459344
...
...
...
FunF(2.95) - # This should return 0.459344
FunF(3) - # This should return 0.675319
FunF(3.05) - # This should return 0.675319
等等。
我需要编写FunF函数。
我认为你将列与值x
进行比较并得到最后一个True
值的行 - 例如通过iat
或values
:
def FunF(x):
return df.loc[(df['t'] <= x), 'f'].iat[-1]
替代方案:
def FunF(x):
return df.loc[df['t'] <= x, 'f'].values[-1]
print (FunF(0))
0.459344
print (FunF(0.1))
0.459344
print (FunF(2.95))
0.459344
print (FunF(3))
0.675319
print (FunF(3.1))
0.675319
print (FunF(8))
0.554812
print (FunF(9))
0.554812