在 pandas 数据框中查找从点到行的欧氏距离

Question

我有一个数据框

id    lat      long
1     12.654   15.50
2     14.364   25.51
3     17.636   32.53
5     12.334   25.84
9     32.224   15.74

我想找到这些坐标与保存在列表 L1 中的特定位置的欧氏距离

L1 = [11.344,7.234]

我想在我有距离的 df 中创建一个新列

id     lat     long    distance
1     12.654   15.50
2     14.364   25.51
3     17.636   32.53
5     12.334   25.84
9     32.224   15.74

我知道使用 math.hypot():

求两点之间的欧氏距离

dist = math.hypot(x2 - x1, y2 - y1)

我如何使用应用或遍历行来编写函数来给我距离。

Answer 1

翻译 [(x₂ - x₁)² + (y₂ - y₁)²]^1/2 变成 pandas 向量化操作，你有：

df['distance'] = (df.lat.sub(11.344).pow(2).add(df.long.sub(7.234).pow(2))).pow(.5)         
df

       lat   long   distance
id                          
1   12.654  15.50   8.369161
2   14.364  25.51  18.523838
3   17.636  32.53  26.066777
5   12.334  25.84  18.632320
9   32.224  15.74  22.546096

或者，使用算术运算符：

(((df.lat - 11.344) ** 2) + (df.long - 7.234) ** 2) ** .5

Answer 2

使用矢量化方法

In [5463]: (df[['lat', 'long']] - np.array(L1)).pow(2).sum(1).pow(0.5)
Out[5463]:
0     8.369161
1    18.523838
2    26.066777
3    18.632320
4    22.546096
dtype: float64

也可以

In [5468]: df['distance'] = df[['lat', 'long']].sub(np.array(L1)).pow(2).sum(1).pow(0.5)

In [5469]: df
Out[5469]:
   id     lat   long   distance
0   1  12.654  15.50   8.369161
1   2  14.364  25.51  18.523838
2   3  17.636  32.53  26.066777
3   5  12.334  25.84  18.632320
4   9  32.224  15.74  22.546096

选项 2 使用 Numpy 的内置 np.linalg.norm 向量范数。

In [5473]: np.linalg.norm(df[['lat', 'long']].sub(np.array(L1)), axis=1)
Out[5473]: array([  8.36916101,  18.52383805,  26.06677732,  18.63231966,   22.5460958 ])

In [5485]: df['distance'] = np.linalg.norm(df[['lat', 'long']].sub(np.array(L1)), axis=1)

在 pandas 数据框中查找从点到行的欧氏距离

Find euclidean distance from a point to rows in pandas dataframe

python

euclidean-distance

dataframe

pandas