百万级有序无NaN数据框的邻近点线性插值实现（不新增数据）

核心结论 #

Pandas没有专门直接实现这种单值邻近线性插值的内置函数，但可以结合NumPy或Pandas的基础方法高效完成需求，且完全不会修改原数据框。

方法1：利用numpy.interp（最适合百万级数据） #

因为你的数据已经按x列排序，numpy.interp是专门为单调递增输入设计的线性插值工具，完全向量化运算，处理百万级数据速度极快，不需要额外预处理。

实现代码：

import pandas as pd
import numpy as np

def calc_linear(df, input_col='x', input_val=1.5, output_col='y'):
    # 提取排序后的x、y数组（转为NumPy数组提升效率）
    x_arr = df[input_col].to_numpy()
    y_arr = df[output_col].to_numpy()
    # 执行线性插值：输入值在x范围内返回插值，超出范围返回对应边界的y值
    return np.interp(input_val, x_arr, y_arr)

示例验证：

# 构造示例数据框
df = pd.DataFrame({'x': [0, 1, 2], 'y': [1, 2, 3]})
print(calc_linear(df, input_val=1.5))  # 输出2.5

方法2：用Pandassearchsorted手动计算（自定义边界逻辑） #

如果需要自定义超出x范围时的处理逻辑（比如抛出错误而非返回边界值），可以用searchsorted快速定位邻近点，手动计算插值，时间复杂度为O(log n)，同样适合大数据集。

实现代码：

import pandas as pd

def calc_linear(df, input_col='x', input_val=1.5, output_col='y'):
    x_series = df[input_col]
    y_series = df[output_col]
    
    # 找到输入值在排序x中的插入位置
    pos = x_series.searchsorted(input_val, side='left')
    
    # 边界处理：输入值小于所有x
    if pos == 0:
        # 可修改为raise ValueError("输入值小于所有x")
        return y_series.iloc[0]
    # 输入值大于所有x
    if pos == len(x_series):
        # 可修改为raise ValueError("输入值大于所有x")
        return y_series.iloc[-1]
    
    # 获取左右邻近点
    x_left, x_right = x_series.iloc[pos-1], x_series.iloc[pos]
    y_left, y_right = y_series.iloc[pos-1], y_series.iloc[pos]
    
    # 计算线性插值
    slope = (y_right - y_left) / (x_right - x_left)
    return y_left + slope * (input_val - x_left)

关键注意事项 #

• 两种方法都不会修改原数据框，完全符合“不新增数据”的要求
• 因为数据已按x排序，避免了额外排序开销，保证了百万级数据的处理效率
• numpy.interp默认会对超出x范围的输入返回边界值，若需要严格限制输入范围，可在函数开头添加校验逻辑

内容的提问来源于stack exchange，提问作者twistfire