python - 如何将欧几里德距离函数应用于 Pandas 数据框中的 groupby 对象？

Question

随着时间的推移，我有一组对象及其位置。我想获得每个时间点的对象之间的平均距离。示例数据框如下:

time = [0, 0, 0, 1, 1, 2, 2]
x = [216, 218, 217, 280, 290, 130, 132]
y = [13, 12, 12, 110, 109, 3, 56]
car = [1, 2, 3, 1, 3, 4, 5]
df = pd.DataFrame({'time': time, 'x': x, 'y': y, 'car': car})
df

             x       y      car
     time
      0     216     13       1
      0     218     12       2
      0     217     12       3
      1     280     110      1
      1     290     109      3
      2     130     3        4
      2     132     56       5

我想要的最终结果是:

df2

              average distance
              between cars       
     time
      0           1.55     
      1           10.05     
      2           53.04    

关于如何进行的任何想法？我一直在尝试将 scipy.spatial.distance 函数应用于数据帧，但我不确定如何将其应用于 df.groupby('time')，然后获取所有这些距离的平均值。
任何帮助表示赞赏!

Answer 1

对我来说，使用 apply 或 for 循环没有太大区别

l1=[]
l2=[]

for y,x in df.groupby('time'):
    v=np.triu(spatial.distance.cdist(x[['x','y']].values, x[['x','y']].values),k=0)

    v = np.ma.masked_equal(v, 0)
    l2.append(np.mean(v))
    l1.append(y)


pd.DataFrame({'ave':l2},index=l1)

Out[250]: 
         ave
0   1.550094
1  10.049876
2  53.037722