我正在嘗試根據列值對之間的匹配項合并兩個數據框。但是，從一個數據幀到下一個數據幀的列值并不準確。這些對是使用瑞士坐標系的坐標，但在每個 df 中從略微不同的參考點測量。我的數據示例：df1 = pd.DataFrame({'Ecode': [2669827.294, 2669634.483, 2669766.266, 2669960.683],? ? ? ? ? ? ? ? ? ? 'Ncode': [1261034.528, 1262412.587, 1261209.646, 1262550.374],? ? ? ? ? ? ? ? ? ? 'shape': ['square', 'square', 'triangle', 'circle']})df1? ? ?Ecode? ? ? ? ? ? Ncode? ? ? ? ? shape0? ?2669827.294? ? ?1261034.528? ? ?square1? ?2669634.483? ? ?1262412.587? ? ?square2? ?2669766.266? ? ?1261209.646? ? ?triangle3? ?2669960.683? ? ?1262550.374? ? ?circledf2 = pd.DataFrame({'CoorE': [2669636, 2669765, 2669827, 2669961],? ? ? ? ? ? ? ? ? ? 'CoorN': [1262413, 1261211, 1261032, 1262550],? ? ? ? ? ? ? ? ? ? 'color': ['purple', 'blue', 'blue', 'yellow']})df2? ? ?CoorE? ? ? ?CoorN? ? ? color0? ?2669636? ? ?1262413? ? ?purple1? ?2669765? ? ?1261211? ? ?blue2? ?2669827? ? ?1261032? ? ?blue3? ?2669961? ? ?1262550? ? ?yellow我有我想比較的數據，位于兩組坐標（例如“形狀”和“顏色”）。我想要的結果與最接近匹配的列對匹配：? ? ?CoorE? ? ? ?CoorN? ? ? color? ?shape0? ?2669636? ? ?1262413? ? ?purple? square1? ?2669765? ? ?1261211? ? ?blue? ? triangle2? ?2669827? ? ?1261032? ? ?blue? ? square3? ?2669961? ? ?1262550? ? ?yellow? circle有沒有辦法做到這一點？我曾嘗試使用 merge_asof 但意識到它不能鍵控兩個變量。我還看到線程根據緯度和經度計算這個。我可以編寫一個函數，將 CoorE/CoorN 和 Ecode/Ncode 視為 x/y 坐標，并計算一對坐標之間的距離（可能有更好的方法，但我是新手）：import math??def calculateDistance(x1,y1,x2,y2):??? ? ?dist = math.sqrt((x2 - x1)**2 + (y2 - y1)**2)??? ? ?return dist??print calculateDistance(x1, y1, x2, y2)或類似的東西，但無法弄清楚如何使用這種函數根據最小距離比較和匹配來自兩個獨立數據幀的坐標對。真實的數據集也有大約 300 萬個條目，我想知道執行此操作的內存占用最少的方法是什么。
1 回答
慕勒3428872
TA貢獻1848條經驗 獲得超6個贊
要使用庫來計算距離，您需要在統一系統上。來自谷歌，我相信你正在使用epsg:21781
首先使用標準化坐標系
pyproj做顏色和形狀的笛卡爾積
使用計算這些之間的距離
geopy您現在可以選擇您想要的結果行。舉個例子，我在按顏色和形狀分組時采取了最近的做法
import pyproj, geopy.distance
df1 = pd.DataFrame({'Ecode': [2669827.294, 2669634.483, 2669766.266, 2669960.683],
'Ncode': [1261034.528, 1262412.587, 1261209.646, 1262550.374],
'shape': ['square', 'square', 'triangle', 'circle']})
df2 = pd.DataFrame({'CoorE': [2669636, 2669765, 2669827, 2669961],
'CoorN': [1262413, 1261211, 1261032, 1262550],
'color': ['purple', 'blue', 'blue', 'yellow']})
# assuming this co-ord system https://epsg.io/21781 then mapping to https://epsg.io/4326
sc = pyproj.Proj("epsg:21781")
dc = pyproj.Proj("epsg:4326")
df1 = df1.assign(
shape_gps=lambda x: x.apply(lambda r: pyproj.transform(sc, dc, r["Ecode"], r["Ncode"]), axis=1)
)
df2 = df2.assign(
color_gps=lambda x: x.apply(lambda r: pyproj.transform(sc, dc, r["CoorE"], r["CoorN"]), axis=1)
)
(df1
.assign(foo=1)
.merge(df2.assign(foo=1), on="foo")
.assign(distance=lambda x: x.apply(lambda r:
geopy.distance.geodesic(r["color_gps"], r["shape_gps"]).km, axis=1))
.sort_values("distance")
.groupby(["color","shape"]).agg({"distance":"first","CoorE":"first","CoorN":"first"})
)
為最近的合并更新
如果你選擇一個參考點來計算距離，你會得到你想要的。
import pyproj, geopy.distance
df1 = pd.DataFrame({'Ecode': [2669827.294, 2669634.483, 2669766.266, 2669960.683],
'Ncode': [1261034.528, 1262412.587, 1261209.646, 1262550.374],
'shape': ['square', 'square', 'triangle', 'circle']})
df2 = pd.DataFrame({'CoorE': [2669636, 2669765, 2669827, 2669961],
'CoorN': [1262413, 1261211, 1261032, 1262550],
'color': ['purple', 'blue', 'blue', 'yellow']})
# assuming this co-ord system https://epsg.io/21781 then mapping to https://epsg.io/4326
sc = pyproj.Proj("epsg:21781")
dc = pyproj.Proj("epsg:4326")
# pick a reference point for use in diatnace calcs
refpoint = pyproj.transform(sc, dc, df1.loc[0,["Ecode"]][0], df1.loc[0,["Ncode"]][0])
df1 = df1.assign(
shape_gps=lambda x: x.apply(lambda r: pyproj.transform(sc, dc, r["Ecode"], r["Ncode"]), axis=1),
distance=lambda x: x.apply(lambda r: geopy.distance.geodesic(refpoint, r["shape_gps"]).km, axis=1),
).sort_values("distance")
df2 = df2.assign(
color_gps=lambda x: x.apply(lambda r: pyproj.transform(sc, dc, r["CoorE"], r["CoorN"]), axis=1),
distance=lambda x: x.apply(lambda r: geopy.distance.geodesic(refpoint, r["color_gps"]).km, axis=1),
).sort_values("distance")
# no cleanup of columns but this works
pd.merge_asof(df1, df2, on="distance", direction="nearest")
添加回答
舉報
0/150
提交
取消