我有一个如下的数据框:
uuid x_1 y_1 x_2 y_2
0 di-ab5 82.31 184.20 148.06 142.54
1 di-de6 92.35 185.21 24.12 16.45
2 di-gh7 123.45 0.01 NaN NaN
...
我正在尝试计算新列中 [x_1, y_1]
和 [x_2, y_2]
之间的欧几里德距离(在本例中不是实数值)。
uuid dist
0 di-ab5 12.31
1 di-de6 62.35
2 di-gh7 NaN
注意事项:
NaN
[1.23, 4.56]
)而不是拆分 x 和 y 坐标我目前正在使用以下脚本:
df['dist'] = np.sqrt((df['x_1'] - df['x_2'])**2 + (df['y_1'] - df['y_2'])**2)
但它看起来很冗长并且经常失败。 使用 Pandas、numpy 或 scipy 有没有更好的方法来做到这一点?
答案 0 :(得分:3)
您可以使用 np.linalg.norm
,即:
df['dist'] = np.linalg.norm(df.iloc[:, [1,2]].values - df.iloc[:, [3,4]], axis=1)
输出:
uuid x_1 y_1 x_2 y_2 dist
0 di-ab5 82.31 184.20 148.06 142.54 77.837125
1 di-de6 92.35 185.21 24.12 16.45 182.030960
2 di-gh7 123.45 0.01 NaN NaN NaN
答案 1 :(得分:0)
def getDist( df, a, b ):
return np.sqrt((df[f'x_{a}']-df[f'x_{b}'])**2+(df[f'y_{a}']-df[f'y_{b}'])**2)
答案 2 :(得分:0)
np.sqrt((df.filter(like='x').agg('diff',1).sum(1)**2)+(df.filter(like='y').agg('diff',1).sum(1)**2))
工作原理
分别过滤 x 和 y
df.filter(like='x')
找出交叉列的差异并将其平方。
df.filter(like='x').agg('diff',1).sum(1)**2
将两个结果相加,求平方根。
np.sqrt((df.filter(like='x').agg('diff',1).sum(1)**2)+(df.filter(like='y').agg('diff',1).sum(1)**2))
答案 3 :(得分:0)
另一种使用 numpy 的解决方案:
diff = (df[['x_1','y_1']].to_numpy()-df[['x_2','y_2']].to_numpy())
df['dist'] = np.sqrt((diff*diff).sum(-1))
输出:
uuid x_1 y_1 x_2 y_2 dist
0 di-ab5 82.31 184.20 148.06 142.54 77.837125
1 di-de6 92.35 185.21 24.12 16.45 182.030960
2 di-gh7 123.45 0.01 NaN NaN NaN