Question

我有两个数据帧让我们先调用一个df，第二个调用compare_df：第一个是这样的：

Date         cell         tumor_size (assume it is three dimensional)
25/10/2015    113           [51, 52, 55]
22/10/2015    222           [50, 68, 22]
22/10/2015    883           [45, 23, 67]
20/10/2015    334           [35, 23, 76]

第二个是这样的：

Date         cell         tumor_size
19/10/2015    564           [47, 23, 56]
19/10/2015    123           [56, 11, 23]
22/10/2014    345           [36, 66, 78]
13/12/2013    456           [44, 21, 83]

对于数据帧中的每一行，我想要遍历第二个数据帧中的每一行并记录欧几里德距离，然后得到最小值。这是我的代码试图完成这个：

# These will be our lists of pairs and size differences.
pairs = []
diffs = []


for row in df.itertuples():
     compare_df['distance'] = np.linalg.norm(compare_df.tumor_size - row.tumor_size) # I get error for this line
     row_of_interest = compare_df.loc[compare_df.distance == compare_df.distance.min()]
     pairs.append(row_of_interest.cell.values[0])
     diffs.append(row_of_interest.distance.values[0])

df['most_similar_to'] = pairs
df['similarity'] = diffs

但是我得到了：

ValueError: Length of values does not match length of index

虽然向量的大小相同，但我丢弃了Nan个值。有什么想法吗？

Answer 1

您的错误在于尝试从大小为parser.h的{{1}}（pd.Series）中减去compare_df.tumor_size大尺寸（list）。从row.tumor_size中减去list / tuple时，pd.Series会尝试匹配两个序列并减去每两个匹配的行。但是，当pandas和list大小不同时，它不知道如何匹配，并引发异常。

从错误代码判断，您的pd.Series版本可能有点旧。您可以尝试使用pandas强制逐行使用减法运算符：

apply

当然，提前将所有列表转换为compare_df.tumor_size.apply( lambda compare_size: np.array(compare_size) - np.array(row.tumor_size) )可能会有所帮助。

如果您不喜欢np.array，可以使用：

np.array

在compare_df.tumor_size.apply( lambda compare_size: [compare_size[i] - row.tumor_size[i] for i in range(3)] ) （可能稍早），您会收到不同的错误消息：

pandas 0.21.0

在这种情况下，有一个更简单的解决方案 - 只需将列表转换为TypeError: unsupported operand type(s) for -: 'list' and 'list'，它将像魔术一样工作

np.array

对我来说，这项工作包含compare_df.tumor_size - np.array(row.tumor_size)和pandas==0.21.0。

迭代两个数据帧的行

1 个答案: