python - Python 中的条件最近邻

Question

我正在尝试使用 Pandas/Numpy/Scipy 等在 Python 中进行一些最近邻类型分析，并尝试了几种不同的方法，但我很困惑。

我有如下 2 个数据框:

df1

Lon1    Lat1    Type
10      10      A
50      50      A
20      20      B

df2

Lon2    Lat2    Type    Data-1  Data-2  
11      11      A       Eggs    Bacon       
51      51      A       Nuts    Bread   
61      61      A       Beef    Lamb    
21      21      B       Chips   Chicken
31      31      B       Sauce   Pasta
71      71      B       Rice    Oats
81      81      B       Beans   Peas

我正在尝试识别 df2 中的 2 个最近邻居(基于使用欧氏距离的 Lon/Lat 值)，然后将适当的 Data-1 和 Data-2 值合并到 df1 上，因此它看起来像这样:

Lon1    Lat1    Type    Data-1a     Data-2a     Data-1b     Data-2b
10      10      A       Eggs        Bacon       Nuts        Bread
50      50      A       Nuts        Bread       Beef        Lamb
20      20      B       Chips       Chicken     Sauce       Pasta

我尝试了长形式和宽形式的方法，并且倾向于使用 scipy 中的 ckd 树，但是有没有办法做到这一点，以便它只查看具有适当类型的行？

提前致谢。

** 编辑 **

我取得了一些进展，如下:

Typelist = df2['Type'].unique().tolist()
df_dict = {'{}'.format(x): df2[(df2['Type'] == x)] for x in Rlist}

def treefunc(row):
    if row['Type'] == 'A':     
        type = row['Type']
        location = row[['Lon1','Lat1']].values
        tree = cKDTree(df_dict[type][['Lon2','Lat2']].values)
        dists, indexes = tree.query(location, k=2)
        return dists,indexes

dftest = df1.apply(treefunc,axis=1)

这给了我 2 个最近邻居的距离和索引的列表，这太棒了!但是我仍然有一些问题:

1. 我尝试使用 .isin 测试 row['Type'] 列是否属于 Typelist，但这没有用 - 还有其他方法可以做到这一点吗？

2. 如何让 Pandas 为 kdtree 生成的 dists 和索引创建新列？

3. 另外，如何使用索引返回 Data-1 和 Data-2？

提前致谢。

Answer 1

这很困惑，但我认为这可能是一个很好的起点。我使用了 scikit 的实现，只是因为我更舒服(尽管我自己很环保)。

import pandas as pd
from io import StringIO

s1 = StringIO(u'''Lon2,Lat2,Type,Data-1,Data-2
11,11,A,Eggs,Bacon
51,51,A,Nuts,Bread
61,61,A,Beef,Lamb
21,21,B,Chips,Chicken
31,31,B,Sauce,Pasta
71,71,B,Rice,Oats
81,81,B,Beans,Peas''')

df2 = pd.read_csv(s1)

#Start here

from sklearn.neighbors import NearestNeighbors
import numpy as np

dfNN = pd.DataFrame()

idx = 0
for i in pd.unique(df2.Type):
    dftype = df2[df2['Type'] == i].reindex()
    X = dftype[['Lon2','Lat2']].values
    nbrs = NearestNeighbors(n_neighbors=2, algorithm='kd_tree').fit(X)
    distances, indices = nbrs.kneighbors(X)
    for j in range(len(indices)):
        dfNN = dfNN.append(dftype.iloc[[indices[j][0]]])
        dfNN.loc[idx, 'Data-1b'] = dftype.iloc[[indices[j][1]]]['Data-1'].values[0]
        dfNN.loc[idx, 'Data-2b'] = dftype.iloc[[indices[j][1]]]['Data-2'].values[0]
        dfNN.loc[idx, 'Distance'] = distances[j][1]
        idx += 1
    dfNN = dfNN[['Lat2', 'Lon2', 'Type', 'Data-1', 'Data-2','Data-1b','Data-2b','Distance']]