多条件应用迭代自身的函数

Question

所以我有一个 Dataframe，它有 348 次相同的内容，但具有与静态列不同的日期。我想要做的是添加一个列来检查该日期，然后使用 lat/lon 列和 geopy 计算 20 英里内的行数。

我的框架是这样的：

我想要做的是类似于应用函数的东西，它采用等于该列的所有标识日期，然后运行这个：

geopy.distance.vincenty(x, y).miles

X 是位置的 lat/lon，y 是迭代的 lat/lon。我想要上面小于 20 的位置的计数。然后我想将此计数存储为初始 Dataframe 中的一列。

我对 Pandas 没问题，但这超出了我的舒适范围。谢谢

Answer 1

我从这个 DataFrame 开始（因为我不想手动输入那么多，而且您没有为数据提供任何代码）：

df
   Index    Number        la                 ID 
0   0          1    [43.3948, -23.9483]     1/1/90
1   1          2    [22.8483, -34.3948]     1/1/90
2   2          3    [44.9584, -14.4938]     1/1/90
3   3          4    [22.39458, -55.34924]   1/1/90 
4   4          5    [33.9383, -23.4938]     1/1/90
5   5          6    [22.849, -34.397]       1/1/90

现在我引入了一个人工柱，它只是用来帮助我们得到距离的笛卡尔积

df['join'] = 1
df_c = pd.merge(df, df[['la', 'join','Index']], on='join')

下一步是通过 .apply 应用 vincenty 函数并将结果存储在额外的列中

df_c['distance'] = df_c.apply(lambda x: distance.vincenty(x.la_x, x.la_y).miles, 1)

现在我们有了原始矩阵的笛卡尔积，这意味着我们也有了每个城市与其自身的比较。但是我们将在下一步中通过执行 -1 来考虑这一点。我们按 Index_x 分组并对小于 20 英里的所有距离求和。

df['num_close_cities'] = df_c.groupby('Index_x').apply(lambda x: sum((x.distance < 20))) -1

df.drop('join', 1)

    Index   Number  la                      ID      num_close_cities
0   0         1     [43.3948, -23.9483]     1/1/90  0
1   1         2     [22.8483, -34.3948]     1/1/90  1
2   2         3     [44.9584, -14.4938]     1/1/90  0
3   3         4     [22.39458, -55.34924]   1/1/90  0
4   4         5     [33.9383, -23.4938]     1/1/90  0
5   5         6     [22.849, -34.397]       1/1/90  1

多条件应用迭代自身的函数

Multiple Condition Apply Function that iterates over itself

python

geopy

pandas