- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我又遇到了一个奇怪的问题。
假设我有以下虚拟数据框(通过演示我的问题):
import numpy as np
import pandas as pd
import string
# Test data frame
N = 3
col_ids = string.letters[:N]
df = pd.DataFrame(
np.random.randn(5, 3*N),
columns=['{}_{}'.format(letter, coord) for letter in col_ids for coord in list('xyz')])
df
这会产生:
A_x A_y A_z B_x B_y B_z C_x C_y C_z
0 -1.339040 0.185817 0.083120 0.498545 -0.569518 0.580264 0.453234 1.336992 -0.346724
1 -0.938575 0.367866 1.084475 1.497117 0.349927 -0.726140 -0.870142 -0.371153 -0.881763
2 -0.346819 -1.689058 -0.475032 -0.625383 -0.890025 0.929955 0.683413 0.819212 0.102625
3 0.359540 -0.125700 -0.900680 -0.403000 2.655242 -0.607996 1.117012 -0.905600 0.671239
4 1.624630 -1.036742 0.538341 -0.682000 0.542178 -0.001380 -1.126426 0.756532 -0.701805
现在我想在这个 pandas 数据框上使用 scipy.spatial.distance.pdist
。事实证明这是一个相当重要的过程。 pdist
所做的是使用欧氏距离(2-范数)作为点之间的距离度量来计算 m 个点之间的距离。这些点在矩阵 X ( source ) 中排列为 m 个 n 维行向量。
因此,要创建一个对 pandas 数据框进行操作的函数,需要做几件事,这样才能使用 pdist 函数。您会注意到,当点数变得非常大时,pdist 很方便。我已经尝试制作自己的,它适用于单行数据框,但我无法让它在理想情况下立即在整个数据框上工作。
这是我的尝试:
from scipy.spatial.distance import pdist, squareform
import numpy as np
import pandas as pd
import string
def Euclidean_distance(df):
EcDist = pd.DataFrame(index=df.index) # results container
arr = df.values # Store data frame values into a numpy array
tag_list = [num for elem in arr for num in elem] # flatten numpy array into single list
tag_list_3D = zip(*[iter(tag_list)]*3) # separate list into length = 3 sub-lists, that pdist() can work with
EcDist = pdist(tag_list_3D) # the distance between m points using Euclidean distance (2-norm)
return EcDist
首先,我开始以 pandas 形式创建一个结果容器,以存储结果。其次,我将 pandas 数据框保存为一个 numpy 数组,以便在下一步中将其转换为列表形式。它必须是列表形式,因为 pdist
函数只对列表进行操作。将数据框保存到数组中时,它会将其存储为列表中的列表。这必须被展平,保存在“tag_list”变量中。第三,将tag_list进一步缩减为长度为3的子列表,这样就可以得到每个点的x、y、z坐标,可以用来求所有这些点之间的欧氏距离(在这个例子中有三个点:A、B 和 C 每个都是三维的)。
如前所述,如果数据框是单行,则该函数有效,但在给定示例中使用该函数时,它会计算 5x3 点的欧氏距离,总共产生 105 个距离。我想要它做的是计算每行的距离(因此 pdist 应该一次只能在 1x3 向量上工作)。对于这个例子,我的最终结果看起来像这样:
dist_1 dist_2 dist_3
0 0.807271 0.142495 1.759969
1 0.180112 0.641855 0.257957
2 0.196950 1.334812 0.638719
3 0.145780 0.384268 0.577387
4 0.044030 0.735428 0.549897
(这些只是显示所需形状的虚拟数字)
因此,如何让我的函数以行方式应用于数据框?或者更好的是,我怎样才能让它一次对整个数据框执行该功能,然后将结果存储在一个新的数据框中?
任何帮助将不胜感激。谢谢。
最佳答案
如果我没理解错的话,你有“组”点。在您的示例中,每个组都有三个点,您称之为 A、B 和 C。A 由三列 A_x、A_y、A_z 表示,B 和 C 也是如此。
我建议您将“宽型”数据重组为“长型”数据,其中每行仅包含一个 点。然后每行将只有三 列用于坐标,然后您将添加一个额外的列来表示一个点所在的组。这是一个示例:
>>> d = pandas.DataFrame(np.random.randn(12, 3), columns=["X", "Y", "Z"])
>>> d["Group"] = np.repeat([1, 2, 3, 4], 3)
>>> d
X Y Z Group
0 -0.280505 0.888417 -0.936790 1
1 0.823741 -0.428267 1.483763 1
2 -0.465326 0.005103 -1.107431 1
3 -1.009077 -1.618600 -0.443975 2
4 0.535634 0.562617 1.165269 2
5 1.544621 -0.858873 -0.349492 2
6 0.839795 0.720828 -0.973234 3
7 -2.273654 0.125304 0.469443 3
8 -0.179703 0.962098 -0.179542 3
9 -0.390777 -0.715896 -0.897837 4
10 -0.030338 0.746647 0.250173 4
11 -1.886581 0.643817 -2.658379 4
Group==1的三个点分别对应你第一行的A、B、C; Group==2 的三个点对应于第二行中的 A、B 和 C;等
有了这个结构,使用pdist
计算成对的距离就变得简单了:
>>> d.groupby('Group')[["X", "Y", "Z"]].apply(lambda g: pandas.Series(distance.pdist(g), index=["D1", "D2", "D3"]))
D1 D2 D3
Group
1 2.968517 0.918435 2.926395
2 3.119856 2.665986 2.309370
3 3.482747 1.314357 2.346495
4 1.893904 2.680627 3.451939
可以用您现有的设置做类似的事情,但会更笨拙。您设置方式的问题在于您以难以提取的方式对关键信息进行了编码。在您的设置中,有关哪些列是 X 坐标,哪些列是 Y 或 Z 坐标的信息,以及有关哪些列是指点 A 与点 B 或 C 的信息,都编码在文本名称中的列。作为人类,您只需查看它们就可以知道哪些列是 X 值,但是以编程方式指定需要解析列的字符串名称。
您可以从如何使用 '{}_{}'.format(letter, coord)
业务创建列名称中看出这一点。这意味着,为了在您的数据上使用 pdist
,您必须执行将列名称解析为字符串的反向操作,以便决定比较哪些列。不用说,这会很尴尬。另一方面,如果将数据放入“长”形式,则没有这样的困难:所有点的 X 坐标都排在一个列中,同样对于 Y 和 Z,以及有关要比较哪些点的信息也包含在一个列(“组”列)中。
当您想对数据子集进行大规模操作时,通常最好将数据拆分到单独的行中。这允许您利用 groupby
的强大功能,并且通常也是 scipy 工具所期望的。
关于python - 在 pandas 数据框(和)列表上使用 scipy pdist,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20895183/
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务,尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗? 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序,例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传,然后将该文件作为二进制文件存储到数据库中。在我存储它之后,我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库,因为我使用 Google 应用引
我正在尝试制作一个宏,将下面的公式添加到单元格中,然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ,但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash,版本5.0.3(1)-发行版(x86_64-pc-linux-gnu),我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里,为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时,它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单,因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面,我可以在其中返回用户帖子,可以使用一些 jquery 代码对这些帖子进行即时评论,在发布新评论后,我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用,
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列,它是一个数字,如帐号,并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么? Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中,我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段,我可以在其中输入任何字符,但然后将输入的值小写,删除任何非字母数字字符,留下“。”而不是空格。 例如,如果我输入: 地球的 70% 是水,-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情,但出于某种原因我没有得到想要的结果?我是 javascript 的新手,但对 java 有经验,所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理;用户登录,他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout,我想在 UITableViewCell 上放置一个 UIlabel,它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量,然后测试cols和rols是否相同。如果是,它将运行递归函数。但是,我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗? 现在,在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀!