Question

我有一个数据框，其中包含一个名为＆＃39; letter＆＃39;和另一个＆＃39;向量＆＃39;包含对应于字母的所有相同长度的向量。（实际数据集有很多很多列，矢量更大。）

            letter    vector
0              a         [2.5, 4.7, 235, 46, 34]
1              a         [2.5, 5, 234, 345.8, 1]
2              a         [2.5, 5, 234, 432.6, 1]
3              i         [4.7, 34.2, 3, 34, 700]
4              u         [4.7, 123, 123, 13, 66]
5              u         [4.7, 13, 375, 123, 66]
6              i         [4.7, 15, 375, 23, 656]

我想依次在每个向量之间进行计算。例如，计算第0行和第1行，第1行和第2行等中向量之间的欧几里德距离。捕获的是我想要分别执行此过程3次 - 一次仅用于字母＆＃39; a＆＃ 39;向量，一次只用于字母＆＃39; i＆＃39;矢量等。

我可以为每个唯一字母值运行for循环：

for l in df['letter'].unique():

但我迷失了尝试通过行子集迭代计算。

Answer 1

假设由2D元素组成的数据集（第一个索引是列，第二个是值），这将起作用。根据你的问题：

例如，计算第0行和第1行，第1行和第2行，第2行和第3行等的向量之间的欧几里德距离

所以，虽然这并没有加上欧几里德距离，但它确实将row0中的val0从row1添加到val0，从row0添加val1到row1中的val1等等，通过所有行添加，停在n-1列。如果您需要更具体的帮助，您必须提供更多代码上下文，变量，数据集的存储方式等。

for index in range(0, len(dataset)-1):
        for sub_index in range(0, len(dataset[index])):
            // Perform your logic/math/whatever here.
            print(dataset[index][sub_index]+dataset[index+1][sub_index])

使用您提供的示例数据集，我不得不截断＆＃39; i＆＃39;按1排，因为它有6个元素，其余的有5个。

我得到了以下输出：

预期。

在Python中对行迭代执行计算

1 个答案: