我在想,是否有一些函数/库可以计算熊猫数据框中的速度。我有以下数据框:
Time bar_head_x bar_head_y bar_head_z
0.00 -203.3502 1554.3486 1102.8210
0.01 -203.4280 1554.3492 1103.0592
0.02 -203.4954 1554.3234 1103.2794
0.03 -203.5022 1554.2974 1103.4522
据此,我想计算速度,速度和加速度。速度和加速度很容易:我使用np.linalg.norm
来计算速度,就像这样:
speed['head'] = np.linalg.norm(speed[['bar_head_x','bar_head_y','bar_head_z']].values,axis=1)
和.diff()
来计算速度加速度,就像这样:
acc['acc_head'] = (speed['head'].diff()) / ((speed['Time'].diff()))
但是我将如何以这种简单的方式计算速度?有没有这样的方法-一个功能来帮助做到这一点?
谢谢!
答案 0 :(得分:1)
如果您想将速度作为向量,则可以使用几乎完全相同的代码来计算加速度,只是在bar_head_x
,bar_head_y
和bar_head_z
上运行对于速度矢量的每个分量,获取velocity_head_x
,依此类推。
答案 1 :(得分:1)
df.diff()给您下一个减去当前行。
由于您的bar_head...
列指示位置,因此可以将df.diff生成的差异解释为从当前位置指向下一个位置的向量。这些向量的np.linalg.norm可以为您提供向量的长度,即每个间隔行进的距离。按时间间隔除以速度。
diff = df.diff()
coords = [c for c in df.columns if not 'Time' in c]
np.linalg.norm(diff[coords], axis=1)/diff['Time']
0 NaN
1 25.058420
2 23.172492
3 17.487733
2D情况的解释
假设我们具有以下数据框:
df = pd.DataFrame({'time':[0,1], 'x':[1,2], 'y':[1,2]})
time x y
0 0 1 1
1 1 2 2
在时间= 0时,我们位于位置[1,1] 在时间= 1,我们已经移至位置[2,2]
因此,我们在x方向旅行了1,在y方向旅行了1。 我们旅行的总距离为sqrt(1 ^ 2 + 1 ^ 2)= sqrt(2)
使用df.diff(),我们得到
time x y
0 NaN NaN NaN
1 1.0 1.0 1.0
在这里,我们将第1行中的1.0、1.0解释为从时间t = 0处的位置指向时间t = 1处的位置的向量。
该向量的长度可以通过其范数来计算,并且其计算结果为2的平方根。
因此,我们可以使用np.linalg.norm计算每个时间间隔的行进距离。
速度就是(行进的距离)/(时间间隔的长度)