基于第二个DataFrame对第一个DataFrame列进行线性插值的实现方案

步骤1：准备数据 #

先把示例数据构造出来，确保两个DataFrame都按col1严格升序：

import pandas as pd

df1 = pd.DataFrame({'col1': [0, 10, 20, 30]})
df2 = pd.DataFrame({'col1': [0, 5, 15, 25, 33], 'val': [0, 2, 4, 5, 8]})

步骤2：用两次merge_asof获取完整插值所需信息 #

利用merge_asof的方向参数，一次性拿到每个df1.col1对应的左右邻点（df2中最接近的前后两个点）的col1和val：

# 找df2中 <= 当前df1.col1 的最大点（左邻点）
left_neighbor = pd.merge_asof(df1, df2, on='col1', direction='backward', suffixes=('', '_left'))
# 找df2中 >= 当前df1.col1 的最小点（右邻点）
right_neighbor = pd.merge_asof(df1, df2, on='col1', direction='forward', suffixes=('', '_right'))

# 合并左右邻点的信息到同一张表
combined = left_neighbor.merge(right_neighbor, on='col1')

步骤3：计算线性插值 #

根据左右邻点的数值，分情况计算：

• 如果左右邻点是同一个（完全匹配），直接取对应val
• 否则用线性插值公式计算：左val + (右val - 左val) * (当前col1 - 左col1) / (右col1 - 左col1)

代码实现：

combined['val'] = combined.apply(
    lambda row: row['val_left'] 
    if row['col1_left'] == row['col1_right']
    else row['val_left'] + (row['val_right'] - row['val_left']) * (row['col1'] - row['col1_left']) / (row['col1_right'] - row['col1_left']),
    axis=1
)

# 提取最终结果
final_result = combined[['col1', 'val']]
print(final_result)

运行后输出完全符合预期：

col1    val
0     0   0.00
1    10   3.00
2    20   4.50
3    30   6.875

方案优势 #

• 用pandas原生的merge_asof高效处理有序数据的匹配，比手动遍历查找速度快，适合大数据量场景
• 一次性拿到左右邻点的完整col1和val信息，解决了你之前缺对应df2列信息的问题
• 逻辑直观，插值公式完全对应线性插值的数学定义，容易理解和维护

内容的提问来源于stack exchange，提问作者roulette01