我正在嘗試使用 apply 函數向數據框添加新列。我需要計算第 0 行和所有其他行中 X 和 Y 坐標之間的距離，我創建了以下邏輯：import pandas as pdimport numpy as npdata = {'X':[0,0,0,1,1,5,6,7,8],'Y':[0,1,4,2,6,5,6,4,8],'Value':[6,7,4,5,6,5,6,4,8]}df = pd.DataFrame(data)def countDistance(lat1, lon1, lat2, lon2): print(lat1, lon1, lat2, lon2) #use basic knowledge about triangles - values are in meters distance = np.sqrt(np.power(lat1-lat2,2)+np.power(lon1-lon2,2)) return distancedef recModif(df): x = df.loc[0,'X'] y = df.loc[0,'Y'] df['dist'] = df.apply(lambda n: countDistance(x,y,df['X'],df['Y']), axis=1) #more code will come hererecModif(df)但這總是返回錯誤：ValueError: Wrong number of items passed 9, placement implies我認為由于 x 和 y 是標量，使用np.repeat可能有幫助，但沒有幫助，錯誤仍然是相同的。我看到類似的帖子，例如this，但是乘法很簡單，我怎樣才能實現我需要的減法呢？
3 回答
慕無忌1623718
TA貢獻1744條經驗 獲得超4個贊
中的變量名稱.apply()混亂并與外部作用域發生沖突。避免這種情況，代碼就可以工作了。
df['dist'] = df.apply(lambda row: countDistance(x,y,row['X'],row['Y']), axis=1)
df
X Y Value dist
0 0 0 6 0.000000
1 0 1 7 1.000000
2 0 4 4 4.000000
3 1 2 5 2.236068
4 1 6 6 6.082763
5 5 5 5 7.071068
6 6 6 6 8.485281
7 7 4 4 8.062258
8 8 8 8 11.313708
另請注意， np.power() 和 np.sqrt() 已經矢量化，因此 .apply 本身對于給定的數據集是多余的：
countDistance(x,y,df['X'],df['Y'])
Out[154]:
0 0.000000
1 1.000000
2 4.000000
3 2.236068
4 6.082763
5 7.071068
6 8.485281
7 8.062258
8 11.313708
dtype: float64
眼眸繁星
TA貢獻1873條經驗 獲得超9個贊
為了實現您的最終目標，我建議將函數 recModif 更改為：
def recModif(df):
x = df.loc[0,'X']
y = df.loc[0,'Y']
df['dist'] = countDistance(x,y,df['X'],df['Y'])
#more code will come here
這輸出
X Y Value dist
0 0 0 6 0.000000
1 0 1 7 1.000000
2 0 4 4 4.000000
3 1 2 5 2.236068
4 1 6 6 6.082763
5 5 5 5 7.071068
6 6 6 6 8.485281
7 7 4 4 8.062258
8 8 8 8 11.313708
德瑪西亞99
TA貢獻1770條經驗 獲得超3個贊
解決方案
嘗試這個：
## Method-1
df['dist'] = ((df.X - df.X[0])**2 + (df.Y - df.Y[0])**2)**0.5
## Method-2: .apply()
x, y = df.X[0], df.Y[0]
df['dist'] = df.apply(lambda row: ((row.X - x)**2 + (row.Y - y)**2)**0.5, axis=1)
輸出：
# print(df.to_markdown(index=False))
| X | Y | Value | dist |
|----:|----:|--------:|---------:|
| 0 | 0 | 6 | 0 |
| 0 | 1 | 7 | 1 |
| 0 | 4 | 4 | 4 |
| 1 | 2 | 5 | 2.23607 |
| 1 | 6 | 6 | 6.08276 |
| 5 | 5 | 5 | 7.07107 |
| 6 | 6 | 6 | 8.48528 |
| 7 | 4 | 4 | 8.06226 |
| 8 | 8 | 8 | 11.3137 |
虛擬數據
import pandas as pd
data = {
'X': [0,0,0,1,1,5,6,7,8],
'Y': [0,1,4,2,6,5,6,4,8],
'Value':[6,7,4,5,6,5,6,4,8]
}
df = pd.DataFrame(data)
添加回答
舉報
0/150
提交
取消