pandas 坐标对之间的距离
Distances between coordinate pairs in pandas
在此 pandas 数据帧中查找给定点距离内的点（行）数的最佳方法是什么：
x y
0 2 9
1 8 7
2 1 10
3 9 2
4 8 4
5 1 1
6 2 3
7 10 5
8 6 6
9 9 7
结果（距离为 3）如下所示：
x y points_within_3
0 2 9 1
1 8 7 4
2 1 10 1
3 9 2 3
4 8 4 5
5 1 1 1
6 2 3 1
7 10 5 4
8 6 6 2
9 9 7 4
更一般地说，我想了解如何使用 .transform() 或 .apply() 以这种方式比较行。
谢谢！
感谢@jme 的评论。
这个有效：
df['points_within_3'] = pd.DataFrame(squareform(pdist(df))).apply(
lambda x: x[x<=3].count() - 1, axis=1
)
但这是最好的方法吗？
这就是我使用 lambda 表达式解决此问题的方法，但您可以看到 scipy 函数更快。
from scipy.spatial.distance import squareform, pdist
timeit df.apply(lambda x: sum(((x - df) ** 2).sum(axis=1) ** 0.5 <= 3) - 1, axis=1)
100 loops, best of 3: 5.34 ms per loop
timeit pd.DataFrame(squareform(pdist(df))).apply(lambda x: x[x<=3].count() - 1, axis=1)
100 loops, best of 3: 1.84 ms per loop
在此 pandas 数据帧中查找给定点距离内的点（行）数的最佳方法是什么：
x y
0 2 9
1 8 7
2 1 10
3 9 2
4 8 4
5 1 1
6 2 3
7 10 5
8 6 6
9 9 7
结果（距离为 3）如下所示：
x y points_within_3
0 2 9 1
1 8 7 4
2 1 10 1
3 9 2 3
4 8 4 5
5 1 1 1
6 2 3 1
7 10 5 4
8 6 6 2
9 9 7 4
更一般地说，我想了解如何使用 .transform() 或 .apply() 以这种方式比较行。
谢谢！
感谢@jme 的评论。
这个有效：
df['points_within_3'] = pd.DataFrame(squareform(pdist(df))).apply(
lambda x: x[x<=3].count() - 1, axis=1
)
但这是最好的方法吗？
这就是我使用 lambda 表达式解决此问题的方法，但您可以看到 scipy 函数更快。
from scipy.spatial.distance import squareform, pdist
timeit df.apply(lambda x: sum(((x - df) ** 2).sum(axis=1) ** 0.5 <= 3) - 1, axis=1)
100 loops, best of 3: 5.34 ms per loop
timeit pd.DataFrame(squareform(pdist(df))).apply(lambda x: x[x<=3].count() - 1, axis=1)
100 loops, best of 3: 1.84 ms per loop