Question

我试图用df2的每一行循环df1的每一行，并在df1中创建一个新的col并将min（所有值）存储在其中。

lat_sc= shopping_centers['lat']
long_sc= shopping_centers['lng']
for i, j in zip(lat_sc,long_sc):
    for lat_real, long_real in zip(real_estate['lat'],real_estate['lng']):
        euclid_dist.append( lat_real - i)
        short_dist.append(min(euclid_dist))
        euclid_dist = []

结果： df1 ['shortest'] = min（df1 ['lat']-each lat of df2）

df1 ['nearest sc'] =相应的sc_id

编辑以将sc_id包含在df1中

Answer 1

随着df2变大，这可能需要大量计算，但是您可以找到df1距离与所有df2距离之差（可以更有效地做到这一点）

def find_euclid_dist(row):
    dist_arr = np.sqrt((ref_lats - row["lat"])**2 + (ref_longs - row["lng"])**2)
    return np.min(dist_arr)

ref_lats = df2["lat"].values
ref_longs = df2["lng"].values
df1["shortest"] = df1.apply(find_euclid_dist, axis=1)

Answer 2

如何使用cdist from scipy？

from scipy.spatial.distance import cdist

df1['shortest'] = cdist(df1[['lat','lng']], df2[['lat','lng']], metric='euclidean').min(1)

print(df1)返回：

         lat        lng          addr_street    shortest
0 -37.980523 -37.980523     37 Scarlet Drive  183.022436
1 -37.776161 -37.776161  999 Heidelberg Road  182.817951
2 -37.926238 -37.926238        47 New Street  182.968096
3 -37.800056 -37.800056  3/113 Normanby Road  182.841849

用另一个列的每个值迭代数据框的一行的值

2 个答案: