我有一个包含两列“id”(唯一标识符)和“date”的 Pandas 数据框,如下所示:
test_df.head()
id date
0 N1 2020-01-31
1 N2 2020-02-28
2 N3 2020-03-10
我创建了一个自定义 Python 函数,给定两个日期字符串,它将计算这些日期之间的绝对天数(使用给定的日期格式字符串,例如 %Y-%m-%d),如下所示:def days_distance(date_1, date_1_format, date_2, date_2_format):
"""Calculate the number of days between two given string dates
Args:
date_1 (str): First date
date_1_format (str): The format of the first date
date_2 (str): Second date
date_2_format (str): The format of the second date
Returns:
The absolute number of days between date1 and date2
"""
date1 = datetime.strptime(date_1, date_1_format)
date2 = datetime.strptime(date_2, date_2_format)
return abs((date2 - date1).days)
我想创建一个距离矩阵,对于所有 ID 对,它将计算这些 ID 之间的天数。使用 test_df
上面的例子,最终的时间距离矩阵应该如下所示: N1 N2 N3
N1 0 28 39
N2 28 0 11
N3 39 11 0
我正在努力寻找一种使用定制距离函数计算距离矩阵的方法,例如我的 days_distance()
上面的函数,与 SciPy 提供的标准距离测量相反。有什么建议?
最佳答案
让我们试试 pdist
+ squareform
创建一个平方距离矩阵来表示日期时间对象之间的成对差异,最后从这个平方矩阵创建一个新的数据框:
from scipy.spatial.distance import pdist, squareform
i, d = test_df['id'].values, pd.to_datetime(test_df['date'])
df = pd.DataFrame(squareform(pdist(d[:, None])), dtype='timedelta64[ns]', index=i, columns=i)
或者,您也可以使用 numpy
计算距离矩阵广播:i, d = test_df['id'].values, pd.to_datetime(test_df['date']).values
df = pd.DataFrame(np.abs(d[:, None] - d), index=i, columns=i)
N1 N2 N3
N1 0 days 28 days 39 days
N2 28 days 0 days 11 days
N3 39 days 11 days 0 days
关于python-3.x - 使用定制的距离函数从 Pandas Dataframe 创建距离矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64008893/