如何对Pandas DataFrame的Z列取整至0.5倍数并插值X/Y列？

步骤1：将Z列四舍五入到最近的0.5倍数 #

用简单的数学运算就能实现：先把Z值乘以2，取整后再除以2，正好对应到最近的0.5倍数，完全匹配你给出的示例规则：

import pandas as pd
import numpy as np

# 假设你的DataFrame名为df
df['Z_rounded'] = np.round(df['Z'] * 2) / 2

验证示例：1.21→1.21×2=2.42→取整为2→2÷2=1.0；1.26→1.26×2=2.52→取整为3→3÷2=1.5，完全符合需求。

步骤2：基于Z的取整结果对X、Y进行插值/外推 #

可以用scipy.interpolate.interp1d实现，它能基于已有Z-X、Z-Y的关系，计算任意Z值（包括取整后的Z）对应的X、Y，同时支持外推超出原始Z范围的值。

完整代码示例：

from scipy.interpolate import interp1d

# 先对原始数据按Z排序（插值要求自变量必须单调有序）
df_sorted = df.sort_values('Z').reset_index(drop=True)

# 构建X关于Z的插值/外推函数，fill_value='extrapolate'开启外推支持
f_x = interp1d(df_sorted['Z'], df_sorted['X'], kind='linear', fill_value='extrapolate')
# 构建Y关于Z的插值/外推函数
f_y = interp1d(df_sorted['Z'], df_sorted['Y'], kind='linear', fill_value='extrapolate')

# 计算每个取整后Z对应的X、Y值
df['X_interpolated'] = f_x(df['Z_rounded'])
df['Y_interpolated'] = f_y(df['Z_rounded'])

补充说明 #

• 排序必要性：interp1d要求输入的自变量（Z）必须单调有序，否则会报错。
• 插值类型：kind='linear'是线性插值，你也可以根据需求换成'quadratic'（二次插值）或'cubic'（三次插值），线性插值计算更快，能满足大多数常规场景。
• 外推逻辑：fill_value='extrapolate'会自动处理原始Z范围之外的取整值，比如原始Z最小值为1.21，取整后得到1.0时，函数会自动外推计算对应的X、Y。

内容的提问来源于stack exchange，提问作者ghylander