Question

我有一个名为origA的数据框：

X, Y
10, 20
11, 2
9, 35
8, 7

另一个名为calcB的人：

Xc, Yc
1, 7
9, 22

我想检查Xc, Yc中每个calcB对是否在X,Y中有一个origA对与Xc, Yc有欧氏距离的对小于delta，如果是，则将True放在相应行的Detected中新列origA上。

Answer 1

您可以使用scipy

中的方法

import scipy
delta=5
ary = scipy.spatial.distance.cdist(dfa, dfb, metric='euclidean')
ary
Out[189]: 
array([[15.8113883 ,  2.23606798],
       [11.18033989, 20.09975124],
       [29.12043956, 13.        ],
       [ 7.        , 15.03329638]])
dfa['detected']=(ary<delta).any(1)
dfa
Out[191]: 
    X   Y  detected
0  10  20      False
1  11   2      True
2   9  35      True
3   8   7      False

Answer 2

@ Wen-Ben的解决方案可能适用于小型数据集。但是，当您尝试计算许多点的距离时，您会很快遇到性能问题。因此，已经有很多智能算法可以减少所需距离的计算，其中之一就是BallTree（由scikit-learn提供）：

from sklearn.neighbors import BallTree

# Prepare the data and the search radius:
origA = pd.DataFrame()
origA['X'] = [10, 11, 9, 8]
origA['Y'] = [20, 2, 35, 7]

calcB = pd.DataFrame()
calcB['Xc'] = [1, 9]
calcB['Yc'] = [7, 22]

delta = 5

# Stack the coordinates together:
pointsA = np.column_stack([origA.X, origA.Y])
pointsB = np.column_stack([calcB.Xc, calcB.Yc])

# Create the Ball Tree and search for close points:
tree = BallTree(pointsB)
detected = tree.query_radius(pointsA, r=delta, count_only=True)

# Add results as additional column:
origA['Detected'] = detected.astype(bool)

输出

    X   Y   Detected
0   10  20  True
1   11  2   False
2   9   35  False
3   8   7   False

检查表B中的X，Y列对是否在表A中任何X，Y列对的增量距离内

2 个答案: