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，并尝试了一些不同的方法，我很难过。

我有2个数据帧如下：

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（基于使用欧几里德距离的Lon / Lat值），然后将相应的Data-1和Data-2值合并到df1上，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方法，并且倾向于使用scipy中的ckd树，但有没有办法做到这一点，所以它只查看具有相应类型的行？

提前致谢。

**编辑**

我取得了如下进展：

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)

这给了我一个很近的2个最近邻居的距离和索引列表！但是我仍然有一些问题：

我尝试使用.isin测试行['Type']列的类型列表成员资格，但这不起作用 - 还有其他方法吗？
如何让Pandas为kdtree生成的dists和索引创建新列？
另外如何使用索引返回Data-1和Data-2？

提前致谢。

Answer 1

这非常混乱，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（虽然我自己很绿）。

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']]

Python中的条件最近邻

1 个答案: