我正在尝试实施algorithm。让我们说算法作为函数" xyz"
执行该功能专门设计用于对轨迹数据进行操作,即(x,y)坐标。
该函数有两个参数:
第一个参数是(x,y)点元组的列表,
,第二个是常数值。
可以说明如下:
line = [(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1),(0,0)]
xyz(line, 5.0) #calling the function
输出:
[(0, 0), (2, 0), (2, 2), (0, 2), (0, 0)]
只有一行时可以轻松实现。但是我有一个庞大的数据框如下:
id x y x,y
0 1 0 0 (0,0)
1 1 1 0 (1,0)
2 1 2 0 (2,0)
3 1 2 1 (2,1)
4 1 2 2 (2,2)
5 1 1 2 (1,2)
6 2 1 3 (1,3)
7 2 1 4 (1,4)
8 2 2 3 (2,3)
9 2 1 2 (1,2)
10 3 2 5 (2,5)
11 3 3 3 (3,3)
12 3 1 9 (1,9)
13 3 4 6 (4,6)
在上面的数据框中,相同" id" 的行形成一个单独轨迹/线的点。我想为这些行中的每一行实现上述功能。
我们可以从df观察到有3种不同的轨迹,其中id为1,2,3。轨迹1的x,y值在行(0-5)中,轨迹2的点在行(6-9)中等等。
如何实现功能" xyz"对于这些行中的每一行,并且由于此函数的输出再次是x,y坐标的元组列表,如何存储此列表?注意:输出列表可以包含任意随机数的元组。
答案 0 :(得分:4)
我认为groupby
需要print (df.groupby('id')['x,y'].apply(lambda x: xyz(x, 5.0)))
:
print (df.groupby('id')['x,y'].apply(xyz, 5.0))
或者:
tolist
包含apply
功能的示例 - 必须添加KeyError: -1
,否则获取print (df.groupby('id')['x,y'].apply(lambda x: rdp(x.tolist(), 5.0)))
#alternative with list
#print (df.groupby('id')['x,y'].apply(lambda x: rdp(list(x), 5.0))
id
1 [(0, 0), (1, 2)]
2 [(1, 3), (1, 2)]
3 [(2, 5), (4, 6)]
Name: x,y, dtype: object
:
struct Foo {
std::shared_ptr<Foo> m_foo;
}
std::shared_ptr<Foo> foo1 = std::make_shared<Foo>();
std::shared_ptr<Foo> foo2 = std::make_shared<Foo>();
foo1.m_foo = foo2;
foo2.m_foo = foo1;