如何循环熊猫数据框？

Question

我有一个适用于坐标序列（轨迹数据）的 python 函数。它要求数据采用以下格式。

#items = [Item(x1, y1), Item(x2, y2), Item(x3, y3), Item(x4, y4)]
items = [Item(0.5, 0.5), Item(-0.5, 0.5), Item(-0.5, -0.5), Item(0.5, -0.5)]

还需要从上面的items中找到xmin、ymin、xmax、ymax，并将其指定为如下的bounding box。

 spindex = pyqtree.Index(bbox=[-1, -1, 1, 1])
                        #bbox = [xmin,ymin,xmax,ymax]

现在，项目插入如下。

 #Inserting items
 for item in items:
     spindex.insert(item, item.bbox)

我们现在可以看到，上述所有操作都是在 items 中指定的单个坐标序列上执行的。我需要在具有多个轨迹的数据帧上执行上述步骤，每个轨迹都有多个点序列并由 id vid 标识。

示例df如下：

   vid       x         y
0  1         2         3
1  1         3         4
2  1         5         6
3  2         7         8 
4  2         9        10
5  3         11       12
6  3         13       14
7  3         15       16
8  3         17       18

在上面的数据框中，x,y是坐标数据，属于同一个“vid”的所有点形成一个单独的轨迹；所以可以观察到属于voyage id (vid)的rows(0-2) = 1 是一个轨迹，而属于 vid = 2 的点是另一个轨迹，依此类推。

以上数据也可以转换为以下df（仅在需要时）：

    vid        (x,y)
0   1          [ (2,3),(3,4), (5,6) ]
1   2          [ (7,8),(9,10) ]
2   3          [ (11,12),(13,14),(15,16),(17,18) ]

我想创建一种方法来循环遍历 df 并可能使用 vid 对它们进行分组，并将所有坐标作为 items 并找到 xmin,xmax,ymin,ymax并为df中的每个轨迹插入它们，如上所示。

我有一个类似这样的代码，但它不起作用

for group in df.groupby('vid'):
bbox = [ group['x'].min(), group['y'].min(), group['x'].max(), group['y'].max() ]
spindex.insert(group['vid'][0], bbox)

请帮忙。

Answer 1

Gourpby 返回 ((gkeys), grouped_dataframe)
修改你的代码如下：

for g in df.groupby('vid'):
   vid = g[0]
   g_df = g[1]
   bbox = [ g_df['x'].min(), g_df['y'].min(), g_df['x'].max(), g_df['y'].max() ]
   spindex.insert(vid, bbox)