Question

我有一个python函数，它可以处理坐标序列（轨迹数据）。它要求数据采用以下格式。

#items = [Item(x1, y1), Item(x2, y2), Item(x3, y3), Item(x4, y4)]
items = [Item(0.5, 0.5), Item(-0.5, 0.5), Item(-0.5, -0.5), Item(0.5, -0.5)]

还需要从上面的项中找到xmin，ymin，xmax，ymax，并为下面的边界框指定它。

 spindex = pyqtree.Index(bbox=[-1, -1, 1, 1])
                        #bbox = [xmin,ymin,xmax,ymax]

现在，项目插入如下。

 #Inserting items
 for item in items:
     spindex.insert(item, item.bbox)

我们现在可以看到，所有上述操作都是在项目中指定的单个坐标序列上执行的。我需要在具有多个轨迹的数据框上执行上述步骤，每个轨迹都有多个点序列，并由id vid 标识。

样本df如下：

   vid       x         y
0  1         2         3
1  1         3         4
2  1         5         6
3  2         7         8 
4  2         9        10
5  3         11       12
6  3         13       14
7  3         15       16
8  3         17       18

在上面的数据框中，x，y是坐标数据，属于同一“vid”的所有点形成一个单独的轨迹;因此可以观察到属于voyage id（vid）的行（0-2） = 1是一个轨迹，而属于vid = 2的点是另一个轨迹，依此类推。

上述数据也可以转换为以下df（仅在需要时）：

    vid        (x,y)
0   1          [ (2,3),(3,4), (5,6) ]
1   2          [ (7,8),(9,10) ]
2   3          [ (11,12),(13,14),(15,16),(17,18) ]

我想创建一种循环遍历df的方法，也许可以使用 vid 对它们进行分组，并将所有坐标作为项并找到xmin，xmax，ymin，ymax并按照上面的说明为df中的每个轨迹插入它们。

我有一个像这样的代码，但它不起作用

for group in df.groupby('vid'):
bbox = [ group['x'].min(), group['y'].min(), group['x'].max(), group['y'].max() ]
spindex.insert(group['vid'][0], bbox)

请帮助。

Answer 1

Gourpby return（（gkeys），grouped_dataframe）
将您的代码修改为以下内容：

for g in df.groupby('vid'):
   vid = g[0]
   g_df = g[1]
   bbox = [ g_df['x'].min(), g_df['y'].min(), g_df['x'].max(), g_df['y'].max() ]
   spindex.insert(vid, bbox)

如何循环pandas数据帧？

1 个答案: