如何根据另一个变量中的连续值对变量应用函数

Question

我有一个带有图像编号 (sliceno) 和 x 和 y 坐标（分别为 x 位置和 y 位置）的数据框。这些图像是随时间拍摄的，相同的切片编号表示在同一时间点记录的多个坐标。

我想将图像的坐标与之前的坐标进行比较。如果后续图像的 x 坐标为 +/-1 或等于前一个图像的 x 坐标，并且这种情况发生了两次，即有两个相同 sliceno 的记录满足坐标要求。 y 坐标也一样。

import pandas as pd

print(dataframe)
x-position  y-position  radius (pixels)  r-squared of radius fitting sliceno
0          220         220           19.975                        0.987       6
1          627         220           20.062                        0.981       6
2          620         220           20.060                        0.981       6
3          220         220           19.975                        0.987       7
4          628         220           20.055                        0.980       7

Answer 1

我试图将其分解以说明发生了什么，但这应该会为您提供两个新列“x”和“y”，其中包含一个布尔值，用于判断您的条件是否得到满足。

import pandas as pd

df = pd.DataFrame(
    columns=['x-position', 'y-position', 'radius', 'r-squared', 'sliceno'],
    index=[i for i in range(5)],
    data=[
        [220, 220, 19.975, 0.987, 6],
        [627, 220, 20.062, 0.981, 6],
        [620, 220, 20.060, 0.981, 6],
        [220, 220, 19.975, 0.987, 7],
        [628, 220, 20.055, 0.980, 7],
    ]
)
df['x_previous'] = df['x-position'].shift()
df['y_previous'] = df['y-position'].shift()
df['slice_previous'] = df['sliceno'].shift()

def check_within_one(row, axis):
    within_1 = (True if row[axis + '_previous'] - 1 <=
                        row[axis + '-position'] <=
                        row[axis + '_previous'] + 1 and
                        row['sliceno'] == row['slice_previous']
                else False)

    return within_1

df['x'] = df.apply(check_within_one, axis=1, args=('x',))
df['y'] = df.apply(check_within_one, axis=1, args=('y',))

你绝对可以把它浓缩成一堆，但这是一个很好的起点。