我想檢查來自 dataframe-1 (df1) 的坐標 (x,y,z)，以查看該位置是否足夠接近具有存儲在 dataframe-2 中的自己的坐標 (x,y,z) 的不規則表面(df2)。我能夠遍歷 df1 中的每個坐標，然后遍歷 df2 中的所有坐標并檢查它的距離。然后對 df1 中的所有坐標重復，但是當我在 df1 中有超過 1,000,000 個坐標要檢查時，這將花費很長時間。我正在使用熊貓，想知道是否可以在不循環的情況下完成。如果 df1 中的坐標接近 df2，那么我想選擇它并將其存儲到 df3 中。
2 回答
HUX布斯
TA貢獻1876條經驗 獲得超6個贊
Scipy 可以幫助你。請看以下假設示例：
import pandas as pd
from scipy.spatial import cKDTree
dataset1 = pd.DataFrame(pd.np.random.rand(100,3))
dataset2 = pd.DataFrame(pd.np.random.rand(10, 3))
ck = cKDTree(dataset1.values)
ck.query_ball_point(dataset2.values, r=0.1)
數組（[列表（[]），列表（[]），列表（[]），列表（[]），列表（[28, 83]），列表（[79]），列表（[]），列表([86]), 列表([40]), 列表([29, 60, 95])], dtype=object)
函數式編程
TA貢獻1807條經驗 獲得超9個贊
使用 Numpy 方法：
如果您的兩個數據框如下所示：
df1
coords
0 (4,3,5)
1 (5,4,3)
df2
coords
0 (6,7,8)
1 (8,7,6)
然后：
import numpy as np
from itertools import product
#convert dataframes into numpy arrays
df1_arr = np.array([np.array(x) for x in df1.coords.values])
df2_arr = np.array([np.array(x) for x in df2.coords.values])
#create array of cartesian product of elements of the two arrays
cart_arr = np.array([x for x in product(df1_arr,df2_arr)])
#compute Euclidian distance (or norm) between pairs of elements in two arrays
#outputs new array with one value per pair of coordinates
norms_arr = np.linalg.norm(np.diff(cart_arr,axis=1)[:,0,:],axis=1)
#create distance threshold for "close enough"
radius = 5.5
#find values in norms array that are less than or equal to distance threshold
good_idxs = np.argwhere(norms_arr <= radius)[:,0]
good_coord_pairs = cart_arr[good_idxs]
#store corresponding pairs of coordinates and distances in new dataframe
final_df = pd.DataFrame({'df1_coords':list(map(tuple,good_coord_pairs[:,0,:])),
'df2_coords':list(map(tuple(good_coord_pairs[:,1,:])), 'distance':norms_arr[good_idxs],
index=list(range(len(good_coord_pairs))))
將產生：
final_df
df1_coords df2_coords distance
0 (4,3,5) (6,7,8) 5.385165
1 (5,4,3) (8,7,6) 5.196152
添加回答
舉報
0/150
提交
取消