使用LASIO合并LAS文件为DataFrame时索引不匹配的插值方案

针对LAS文件深度索引不匹配导致合并失败的问题，核心思路是先统一所有井的深度索引，再通过插值补全缺失值，具体实现步骤如下：

步骤1：提取全局深度范围，生成公共索引 #

先收集所有LAS文件的深度数据，确定全局最小/最大深度，再生成连续的公共深度序列（可根据需求选择步长，比如保留原文件的最小步长，或手动指定固定步长）。

步骤2：单井数据插值对齐到公共索引 #

将每个井的DataFrame重采样到公共深度索引，用线性插值补全缺失的深度点（测井数据小范围差异用线性插值不影响可靠性）。

步骤3：合并对齐后的DataFrame #

所有井的数据对齐到同一索引后，直接按列合并即可。

修改后的完整代码 #

import tkinter as tk
from tkinter import filedialog
import lasio
import pandas as pd

def selectFiles():
    root = tk.Tk()
    root.wm_attributes('-topmost', 1)
    filename = filedialog.askopenfilenames()
    root.withdraw()
    return filename

las_files_list = selectFiles()
df_list = []
well_names = []

# 读取所有LAS文件，收集原始数据与井名
for f in las_files_list:
    las = lasio.read(f)
    lasdf = las.df()
    well_name = str(las.well.WELL.value)
    well_names.append(well_name)
    df_list.append(lasdf)

# 生成公共深度索引：覆盖所有井的深度范围，用最小步长生成连续序列
all_depths = []
step_sizes = []
for df in df_list:
    all_depths.extend(df.index.tolist())
    # 计算当前井的深度步长
    steps = df.index[1:] - df.index[:-1]
    step_sizes.extend(steps.tolist())

min_depth = min(all_depths)
max_depth = max(all_depths)
common_step = min(step_sizes)  # 取所有井的最小步长，也可手动指定如0.1

# 生成连续的公共深度索引
common_depths = pd.arange(min_depth, max_depth + common_step, common_step)
common_depths = pd.Index(common_depths, name='DEPT')

# 对每个井的数据插值对齐到公共索引
aligned_dfs = []
for idx, df in enumerate(df_list):
    # 重采样到公共索引，线性插值补全缺失值
    aligned_df = df.reindex(common_depths)
    aligned_df = aligned_df.interpolate(method='linear', limit_direction='both')
    # 给列名添加井名后缀，方便识别来源
    aligned_df = aligned_df.add_suffix(f'_{well_names[idx]}')
    aligned_dfs.append(aligned_df)

# 合并所有对齐后的DataFrame
wdf = pd.concat(aligned_dfs, axis=1)

# 可选：将索引转为DEPT列
wdf['DEPT'] = wdf.index

关键细节说明 #

• 公共索引生成：用所有井的深度范围和最小步长生成连续序列，确保覆盖所有井的数据；若不需要连续序列，也可提取所有唯一深度并排序后作为公共索引。
• 插值策略：linear线性插值适配测井数据的小范围差异，limit_direction='both'确保首尾缺失值也能被补全。
• 列名标识：用井名作为列后缀，比原代码的数字后缀更直观，便于后续数据溯源。

内容的提问来源于stack exchange，提问作者Cyril Ezhov