所以我有一个 Dataframe,它有 348 次相同的内容,但具有不同的日期作为静态列。我想要做的是添加一个列来检查该日期,然后使用纬度/经度列和 geopy 计算 20 英里内的行数。
我的框架是这样的:
我想要做的是一个类似于 apply 函数的东西,它获取等于该列的所有标识日期,然后运行此:
geopy.distance.vincenty(x, y).miles
X 是位置的纬度/经度,y 是迭代的纬度/经度。我想要上面的位置数 < 20。然后我想将此计数存储为初始数据帧中的一列。
<小时/>我对 Pandas 很满意,但这超出了我的舒适区。谢谢。
最佳答案
我从这个 DataFrame 开始(因为我不想手动输入那么多内容,并且您没有提供任何数据代码):
df
Index Number la ID
0 0 1 [43.3948, -23.9483] 1/1/90
1 1 2 [22.8483, -34.3948] 1/1/90
2 2 3 [44.9584, -14.4938] 1/1/90
3 3 4 [22.39458, -55.34924] 1/1/90
4 4 5 [33.9383, -23.4938] 1/1/90
5 5 6 [22.849, -34.397] 1/1/90
现在我引入了一个人工柱子,它只是为了帮助我们获得距离的笛卡尔积
df['join'] = 1
df_c = pd.merge(df, df[['la', 'join','Index']], on='join')
下一步是通过 .apply
应用 vincenty
函数并将结果存储在额外的列中
df_c['distance'] = df_c.apply(lambda x: distance.vincenty(x.la_x, x.la_y).miles, 1)
现在我们有了原始矩阵的笛卡尔积,这意味着我们也有了每个城市与其自身的比较。但我们将在下一步中通过执行 -1
来考虑这一点。我们按 Index_x
进行分组,并对所有小于 20 英里的距离进行求和。
df['num_close_cities'] = df_c.groupby('Index_x').apply(lambda x: sum((x.distance < 20))) -1
df.drop('join', 1)
Index Number la ID num_close_cities
0 0 1 [43.3948, -23.9483] 1/1/90 0
1 1 2 [22.8483, -34.3948] 1/1/90 1
2 2 3 [44.9584, -14.4938] 1/1/90 0
3 3 4 [22.39458, -55.34924] 1/1/90 0
4 4 5 [33.9383, -23.4938] 1/1/90 0
5 5 6 [22.849, -34.397] 1/1/90 1
关于python - 迭代自身的多个条件应用函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57503646/