python - 如何计算pandas和list之间的欧氏距离？

Question

我有一个 pandas 数据框，我尝试计算具有固定值的所有欧几里德距离并找到最短距离。

我的数据框“货币”:

        Stype   h  line        ...            y    y2                bc
45   currency  38    13        ...         1344  1382  (1731.0, 1363.0)
46   currency  38    13        ...         1343  1381  (2015.0, 1362.0)
47   currency  39    13        ...         1342  1381  (2267.5, 1361.5)
60   currency  39    15        ...         2718  2757   (488.0, 2737.5)
61   currency  39    15        ...         2717  2756   (813.5, 2736.5)
62   currency  39    15        ...         2718  2757  (1332.5, 2737.5)
63   currency  40    15        ...         2716  2756  (1821.5, 2736.0)
64   currency  39    15        ...         2715  2754  (2286.5, 2734.5)
68   currency  39    17        ...         2874  2913  (2287.5, 2893.5)
162  currency  30    22        ...         3311  3341  (1104.5, 3326.0)

我的列表中的示例值 [l['bc']]

[(2126.5, 2657.0)]

我的代码:

for l in label_dic:
    print('bc:', [l['bc']])
    print(cdist([l['bc']], currency.bc.values, 'euclidean'))

我的问题:

ValueError: XB must be a 2-dimensional array.

我已经验证了我的功能:

print(cdist([l['bc']], [l['bc']], 'euclidean'))
Result: [[0.]]

你能告诉我如何修复它吗？

谢谢

Answer 1

currency.bc.values 似乎给出了一个 1d numpy 元组数组，但 cdist 需要一个 2d numpy 数组。您可以使用 np.array([*currency.bc.values]) 将其转换为二维数组

请参阅下面的示例

from scipy.spatial import distance
import pandas as pd
import numpy as np

mypoint = [(0, 0)]
df = pd.DataFrame({'coord1': [(0,10), (10,0)]})
#option 1    
print(distance.cdist(mypoint , np.array([*df.coord1.values]), 'euclidean'))
#option2 
print(distance.cdist(mypoint , df.coord1.values.tolist(), 'euclidean'))

结果

[[10. 10.]]
[[10. 10.]]