Question

问题：如何为地理数据框中的所有元素选择“ n个满足条件的最近邻居”？

示例： “对于森林中的所有树木，半径100 m以内的两个最高松树的高度是多少？” （请注意，“树”不一定是“松树”。）

如果我只想要每棵树最近的邻居树，我可以使用

libpysal.weights.KNN.from_dataframe(df_g, k=2, radius=100)

（考虑到地理数据框）

我正在寻找一种方法来获取最符合条件的邻居。

可行示例

这段代码定义了一个具有9个点的地理数据框：

import pandas as pd, libpysal, geopandas as gp,matplotlib.pyplot as plt
from shapely.wkt import loads

# 18 points with values and types
points=['POINT (0.1 0.2)','POINT (-1 0)','POINT (1 0)','POINT (0 -1)','POINT (0 1)','POINT (-2 0)','POINT (2 0)','POINT (0 -2)','POINT (0 2)']
values=[9,8,7,6,5,4,3,2,1]
types=[0,0,0,0,0,1,1,1,1]

df=pd.DataFrame({'points':points,'value':values,'types':types})
gdf=gp.GeoDataFrame(df,geometry=[loads(x) for x in df.points])

我想寻找类型2为1的半径范围内的邻居。

因此，对于中心点，我想在橙色点而不是蓝色点中寻找邻居：

如果类型不是问题，我可以遍历最近的邻居，例如：

knn2 = libpysal.weights.KNN.from_dataframe(gdf, k=2,radius=2)
for index,row in gdf.iterrows(): # Looping over all points
    knn_neighbors = knn2.neighbors[index] # Get neighbors
    knnsubset = gdf.iloc[knn_neighbors] # Get subdataframe
    print("Mean: ",knnsubset['value'].mean()) # Calculating mean of 'value'

对于中心点，将选择两个绿色点，如图所示：

但是，我只考虑橙色点。

简单的“修复”：

我当然可以选择“足够”的邻居，然后再过滤它们：

knn2 = libpysal.weights.KNN.from_dataframe(gdf, k=8,radius=2) # Select enough neighbors
for index,row in gdf.iterrows(): # Looping over all points
    knn_neighbors = knn2.neighbors[index] # Get neighbors
    knnsubset = gdf.iloc[knn_neighbors] # Get subdataframe
    knnsubset=knnsubset[knnsubset.types==1].head(2) #Require type 1 and take the two first
    print("Mean: ",knnsubset['value'].mean()) # Calculating mean of 'value'

如图所示，它选择了正确的点。但是，有两个问题：

没有明确的方法选择“足够”的邻居。之间是否有足够的蓝点。我不会抓住橙色的要点。
在以千变万化的密度谈论数百万个点时，缩放比例很差。选择100个邻居找到4个邻居会导致处理时间的损失。

这似乎是某个人会在某个时候解决的问题。有指针吗？我应该在想sklearn吗？

Answer 1

如评论中所述，您可以使用DistanceBand而不是KNN进行第一次过滤（因为在KNN中，您实际上不知道要选择多少个至少2个松树，您必须选择多少个）。

从上述gdf开始：

W = libpysal.weights.DistanceBand.from_dataframe(gdf, threshold=2)

results = []  # it is faster to save to list than directly to gdf
for index, row in gdf.iterrows():
    neighbors = W.neighbors[index]
    subset = gdf.loc[neighbors]  # get all within threshold
    limited = subset.loc[subset.types == 1]  # limit to type you want - here you can do more filtering
    if len(limited) > 0:  # if something of type 1 is close enough
        limited['dist'] = limited.geometry.distance(row.geometry)  #get distances
        limited.nsmallest(n=2, columns='dist')
        results.append(list(limited.index))  # save indices of selection
    else:
        results.append(None)

gdf['result'] = results  # save to gdf

这将保存满足条件的点的索引（或无）。

不过，我不确定它在大型数据集中的表现如何，但熊猫过滤应该不是问题，并且可以向量化到有限df的距离。

如何选择满足条件的最近邻居？

1 个答案: