根据数据框之间的距离和 ID 创建数据框

Question

我将尝试解释我目前正在使用的东西：我有两个数据框：一个用于加油站 A（165 个站点），另一个用于加油站 B（257 个站点）。它们都具有相同的格式：

id    Coor
1    (a1,b1)
2    (a2,b2)

Coor 具有包含位置坐标的元组。我想要做的是将 3 列添加到 Dataframe A，最近的竞争对手#1、#2 和#3（来自加油站 B）。目前我设法获得了从 A 到 B 的所有距离（42405 个距离度量），但采用列表格式：

distances=[]
for (u,v) in gasA['coor']:
    for (w,x) in gasB['coor']:
        distances.append(sp.distance.euclidean((u,v),(w,x)))

这让我得到了我需要的值，但我仍然需要将它们与加油站 A 的 ID 进行匹配，并获得前 3 名。我怀疑使用列表不是这里的最佳方法。你有什么建议吗？

编辑：按照建议，前 5 行是：在 GasA 中：

id           coor
60712    (-333525363206695,-705191013427772)
60512    (-333539879388388, -705394161580837)
60085    (-333545609177068, -703168832659184)
60110    (-333601677229216, -705167284798638)
60078    (-333608898397271, -707213099595404)

在 GasB 中：

    id           coor
70174    (-333427160000000,-705459060000000)
70223    (-333523030000000, -706705470000000)
70383    (-333549270000000, -705320990000000)
70162    (-333556960000000, -705384750000000)
70289    (-333565850000000, -705104360000000)

Answer 1

你可以这样做。

a = gasA.coor.values
b = gasB.coor.values 

c = np.sum(np.sum((a[:,None,::-1] - b)**2, axis=1), axis=0)

我们可以获得两者坐标的 numpy 数组，然后广播 a 来表示它的所有组合，然后采用欧氏距离。

Answer 2

定义一个函数，用于计算从 A 到所有 B 的距离以及具有三个最小距离的 B 的 returns 索引。

def get_nearest_three(row):
    (u,v) = row['Coor']
    dist_list = gasB.Coor.apply(sp.distance.euclidean,args = [u,v])
    # want indices of the 3 indices of B with smallest distances
    return list(np.argsort(dist_list))[0:3]

gasA['dists'] = gasA.apply(get_nearest_three, axis = 1)

Answer 3

考虑一个交叉连接（匹配两个数据集之间的每一行每一行），这应该可以用你的小集合管理，165 X 257，然后计算距离。然后，按距离排序，筛选出前 3 名。

cj_df = pd.merge(gasA.assign(key=1), gasB.assign(key=1), 
                 on="key", suffixes=['_A', '_B'])

cj_df['distance'] = cj_df.apply(lambda row: sp.distance.euclidean(row['Coor_A'], 
                                                                  row['Coor_B']),
                                axis = 1)

# RANK BY DISTANCE
cj_df['rank'] = .groupby('id_A')['distance'].rank()

# FILTER FOR TOP 3
top3_df = cj_df[cj_df['rank'] <= 3].sort_values(['id_A', 'rank'])

Answer 4

from sklearn.metrics.pairwise import euclidean_distances
import numpy as np

正在创建数据：

 A = pd.DataFrame({'id':['60712','60512','60085', '60110','60078'], 'coor':[ (-333525363206695,-705191013427772),\
                                                                           (-333539879388388, -705394161580837),\
                                                                           (-333545609177068, -703168832659184),\
                                                                           (-333601677229216, -705167284798638),\
                                                                          (-333608898397271, -707213099595404)]})
B = pd.DataFrame({'id':['70174','70223','70383', '70162','70289'], 'coor':[ (-333427160000000,-705459060000000),\
                                                                               (-333523030000000, -706705470000000),\
                                                                               (-333549270000000, -705320990000000),\
                                                                                (-333556960000000, -705384750000000),\
                                                                              (-333565850000000, -705104360000000)]})

正在计算距离：

res = euclidean_distances(list(A.coor), list(B.coor))

从 B 中选择前 3 个最近的站点并附加到 A 中的列：

d = []
for i, id_ in enumerate(A.index):
    distances = np.argsort(res[i])[0:3] #select top 3
    distances = B.iloc[distances]['id'].values
    d.append(distances)
A = A.assign(dist=d)

编辑

运行示例的结果：

   coor id  dist
0   (-333525363206695, -705191013427772)    60712   [70223, 70174, 70162]
1   (-333539879388388, -705394161580837)    60512   [70223, 70289, 70174]
2   (-333545609177068, -703168832659184)    60085   [70223, 70174, 70162]
3   (-333601677229216, -705167284798638)    60110   [70223, 70174, 70162]
4   (-333608898397271, -707213099595404)    60078   [70289, 70383, 70162]

根据数据框之间的距离和 ID 创建数据框

Create Dataframe out of distances and id's between dataframes

python

distance

pandas