如何将Pandas DataFrame的y值插值到另一DataFrame的x轴？

我有两个存在重叠（不一定完全重叠）的DataFrame，需要将第一个DataFrame的y值插值到第二个的x轴上，最终得到x列与第二个DataFrame完全一致的结果。实际场景中，两个DataFrame的x值可能是非均匀间隔的，部分值完全匹配、部分不匹配，且第一个DataFrame会包含多列y值（如y1、y2等）。

示例代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def equation(x):
    return 0.5 * x + 1

def make_df(x, equation, columns=["x", "y"]):
    y = equation(x)
    df = np.c_[x, y]
    df = pd.DataFrame(df, columns=columns)
    return df

# df1
xx = np.linspace(0, 10, 100)
df1 = make_df(xx, equation)

# df2
xx = np.linspace(2.1, 10.1, 80)
df2 = make_df(xx, equation)

尝试过的方法及问题 #

我尝试过拼接两个DataFrame再插值的方式：

df3 = pd.DataFrame()
df3['x'] = df2['x']
df3['y'] = np.nan
temp = pd.concat([df1,df3]).sort_values(by=['x']).interpolate()

但在重新索引时遇到问题。后来找到接近可行的方案：

temp = temp.set_index('x').drop_duplicates().reindex(df2['x']).reset_index()

但在真实数据中，即便用df[df.duplicated(keep=False)]检查不到重复值，调用reindex时仍会报错ValueError: cannot reindex on an axis with duplicate labels，即使设置极低容差（1e-8）也无法解决。

解决方案 #

方法1：使用SciPy插值函数（推荐处理多列y值）

利用scipy.interpolate.interp1d可以直接基于df1的x和y值，对df2的x进行插值，无需处理DataFrame拼接的重复问题，且支持多列y值：

from scipy.interpolate import interp1d

# 提取df1的x和y列（支持多列y，比如y1、y2）
x1 = df1['x'].values
y_cols = [col for col in df1.columns if col != 'x']

# 创建插值函数，默认线性插值，可指定kind参数（如'quadratic'二次插值）
interp_funcs = {col: interp1d(x1, df1[col].values, bounds_error=False, fill_value="extrapolate") for col in y_cols}

# 对df2的x进行插值，生成结果DataFrame
result = df2[['x']].copy()
for col in y_cols:
    result[col] = interp_funcs[col](df2['x'].values)

• bounds_error=False：当df2的x超出df1的x范围时不报错，配合fill_value="extrapolate"可以外插值（如果不需要外插，可设fill_value=np.nan）。
• 支持多列y值，只需遍历非x列即可。

方法2：优化Pandas处理流程（解决重复标签问题）

如果坚持用Pandas处理，需要确保索引绝对无重复，可通过对x值进行微小精度处理或去重时更严格：

# 合并df1和df2的x，去重并排序
combined_x = pd.concat([df1['x'], df2['x']]).drop_duplicates(keep='first').sort_values()

# 创建包含所有x的临时DataFrame，合并df1的数据，插值
temp = pd.DataFrame({'x': combined_x}).merge(df1, on='x', how='left').interpolate(method='linear', limit_direction='both')

# 仅保留df2的x值
result = temp[temp['x'].isin(df2['x'])].reset_index(drop=True)

# 确保和df2的x顺序一致（因为isin可能打乱顺序）
result = result.set_index('x').reindex(df2['x']).reset_index()

如果仍遇到重复标签问题，可先对x值进行四舍五入（根据数据精度调整小数位数）：

# 对x值进行精度处理，避免浮点误差导致的"伪重复"
df1['x'] = df1['x'].round(6)
df2['x'] = df2['x'].round(6)

浮点型数据的精度误差常会导致看似不重复的数值被识别为重复，通过四舍五入到合理的小数位数可以解决这类问题。

内容的提问来源于stack exchange，提问作者Morten Nissov