Question

我有这种格式的数据框：

  vid            points
0 1              [[0,1], [0,2, [0,3]]
1 2              [[1,2], [1,4], [1,9], [1,7]]
2 3              [[2,1], [2,3], [2,8]]
3 4              [[3,2], [3,4], [3,5],[3,6]]

每一行都是轨迹数据，我必须找到一个带有函数func_dist的轨迹之间的距离，如下所示：

 x = df.iloc[0]["points"].tolist() 
 y = df.iloc[3]["points"].tolist()
 func_dist(x, y)

我有一份感兴趣的轨迹索引列表l。

l = [0,1,3]

我必须找到所有可能的轨迹对之间的距离;在上面的例子中，这是0-1,0-3和1-3。我知道如何使用

生成对列表

 pairsets = list(itertools.combinations(l, 2))

返回

 [(0,1), (0,3), (1,3)]

由于列表可能包含100多个索引，因此我尝试自动执行此过程并将每对中计算的距离存储在new_df数据框中。

我尝试了以下代码进行距离计算：

for pair in pairsets:
    a, b = [m[0] for m in pairssets], [n[1] for n in pairsets]
    for i in a:
        x = df.iloc[i]["points"].tolist()
    for j in b:
        y = df.iloc[j]["points"].tolist()
    dist = func_dist(x, y)

但它只计算最后一对，1-3。如何计算所有对并创建这样的新数据框：

  traj1       traj2       distance
  0           1           some_val
  0           3           some_val
  1           3           some_val

Answer 1

这只是正确处理您的指数的问题。对于每对，您可以获取两个索引，分配数据集并计算距离。

dist_table = []

for pair in pairsets:
    i, j = pair
    x = df.iloc[i]["points"].tolist()
    y = df.iloc[j]["points"].tolist()
    dist = func_dist(x, y)
    dist_table.append( [i, j, dist] )

您可以合并前两行：

for i, j in pairsets:

dist_table为您提供了一个2D列表，您应该能够通过简单的PANDAS调用将其转换为新的数据框。

这会让你感动吗？

循环遍历python的元组列表并应用函数

1 个答案: