是否可以矢量化 pandas 数据帧中从源到目标数组的距离计算？

Question

我目前有一个 pandas DataFrame 设置如下：

ID, Source Coord, Target Coords

1, (35, -75), [(30, -72), (31, -71), ...]
2, (34, -74), [(50, -50), (45,-45), ...]

源坐标和目标坐标是纬度和经度。我有一个矢量化函数来计算从源到某些目标节点的距离：

from numba import njit
@njit
def haversine_nb(lat1, lon1, lat2, lon2):
    lon1, lat1, lon2, lat2 = np.radians(lon1), np.radians(lat1), np.radians(lon2), np.radians(lat2)
    dlon = lon2 - lon1
    dlat = lat2 - lat1
    a = np.sin(dlat/2.0)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2.0)**2
    return 3958.7613 * 2 * np.arcsin(np.sqrt(a))

def calculate_distance(source_loc, target_locs):
    tlat = np.array([t[0] for t in target_locs])
    tlon = np.array([t[1] for t in target_lcos])
    slat = np.full(tlat.shape, source_loc[0])
    slon = np.full(tlon.shape, source_loc[1])
    arr = haversine_nb(slat, slon, tlat,tlon)

我想在 DataFrame 中创建另一列，其中包含每个 ID 从源坐标到目标坐标的距离列表。像这样：

ID, Source Coord, Target Coords, Distances(mi)

1, (35, -75), [(30, -72), (31, -71), ...], [5,1, ...]
2, (34, -74), [(50, -50), (45,-45), ...], [10, 2,...]

我知道我可以在 Dataframe 上使用 .apply 函数，但是它非常慢，因为 DataFrame 是 large.I 想知道是否有人知道是否有办法使用矢量化生成这个新列.

Answer 1

使用从源到目标的多对一映射扩展为整齐的格式：

1, (35, -75), [(30, -72), (31, -71), ...]

因此，

ID   Source     Target
1    (35, -75)  (30, -72)
1    (35, -75)  (31, -71)
1    (35, -75)  ...

然后只需获取源和目标之间的矢量化列的距离。如果您希望它恢复为以 ID 为中心的形式，请将其折叠回列表中。

@ifly6，编辑您的 post 的应用程序，但它似乎是获取此信息的最有效和最合适的方式。请按您认为合适的方式进行编辑。

df_ = df.explode('Target Coords')

lat1, lon1 = map(np.array, zip(*df_['Source Coord']))
lat2, lon2 = map(np.array, zip(*df_['Target Coords']))

haversine_nb(lat1, lon1, lat2, lon2)

是否可以矢量化 pandas 数据帧中从源到目标数组的距离计算？

Is it possible to vectorize the calculation of the distance from a source to an array of targets in a pandas Dataframe?

python

numpy

vectorization

pandas