在累积型时间序列列中查找指定值并插值提取对应值的技术问询

需求说明 #

• 处理两列海量数据，列A为累积型有序数据
• 根据指定唯一值匹配列A，获取列B对应值，规则如下：
  • 若指定值存在于列A中，直接返回对应列B的值
  • 若指定值介于列A的两个相邻值之间，通过**线性插值（截距定理）**计算对应列B的值
  • 若指定值小于列A最小值，返回列B首个值；大于列A最大值，返回列B末尾值

示例数据 #

实现方案（Python） #

针对海量数据，推荐使用pandas实现高效处理，以下是具体代码：

import pandas as pd

def get_interpolated_value(target, df):
    # 确保列A有序（累积型数据默认有序，此处做二次保障）
    df_sorted = df.sort_values('列A（Column A）').reset_index(drop=True)
    a_col = '列A（Column A）'
    b_col = '列B（Column B）'
    
    # 处理边界情况
    if target <= df_sorted[a_col].iloc[0]:
        return df_sorted[b_col].iloc[0]
    if target >= df_sorted[a_col].iloc[-1]:
        return df_sorted[b_col].iloc[-1]
    
    # 定位相邻的左右数据行
    left_row = df_sorted[df_sorted[a_col] <= target].iloc[-1]
    right_row = df_sorted[df_sorted[a_col] >= target].iloc[0]
    
    # 目标值存在时直接返回对应B值
    if left_row[a_col] == target:
        return left_row[b_col]
    
    # 用截距定理做线性插值计算
    a_left, b_left = left_row[a_col], left_row[b_col]
    a_right, b_right = right_row[a_col], right_row[b_col]
    interpolated_b = b_left + (b_right - b_left) * (target - a_left) / (a_right - a_left)
    return round(interpolated_b, 3)

# 测试示例数据
data = {
    '列A（Column A）': [0.2, 0.21, 0.3, 0.4, 0.5],
    '列B（Column B）': [1.25, 1.1, 0.8, 4, 3.2]
}
df = pd.DataFrame(data)

# 测试目标值0.321
print(get_interpolated_value(0.321, df))  # 输出：1.472

关键说明 #

• 先确保列A有序，避免数据乱序导致插值错误
• 边界场景直接返回首尾值，符合需求逻辑
• 线性插值公式严格遵循截距定理，结果保留三位小数匹配示例要求
• 基于pandas的索引操作针对海量数据性能更优，远快于循环遍历

内容的提问来源于stack exchange，提问作者Moslem borji