如何使用列表对熊猫数据框进行子集化答案

【问题标题】：how to subset pandas dataframe with list如何使用列表对熊猫数据框进行子集化
【发布时间】：2016-04-26 17:02:39
【问题描述】：

我有一个这样的熊猫数据框。

     order_id   latitude  longitude 
0      519     19.119677  72.905081
1      520     19.138250  72.913190
2      521     19.138245  72.913183
3      523     19.117662  72.905484
4      524     19.137793  72.913088
5      525     19.119372  72.893768
6      526     19.116275  72.892951
7      527     19.133430  72.913268
8      528     19.136800  72.917185
9      529     19.118284  72.901114
10     530     19.127193  72.914269
11     531     19.114269  72.904039
12     532     19.136292  72.913941
13     533     19.119075  72.895115
14     534     19.119677  72.905081
15     535     19.119677  72.905081

还有一份清单

DB
Out[658]: 
[['523'],
['526', '533'],
['527', '528', '532', '535'],
['530', '519'],
['529', '531', '525', '534'],
['520', '521', '524']]

现在我想对列表元素的数据框进行子集化。一个列表中有 6 个元素，每个元素都有一个 order_id 的子列表。因此，对于每个子元素，我想要相应的纬度和经度。然后我想计算每个order_id location之间的半正弦距离：

 DB[2]
 ['527', '528', '532', '535']

然后我想在主数据帧上对纬度和经度对进行子集化。所以它应该返回一个像这样的数组：

array([[ 19.11824057,  72.8939447 ],
   [ 19.1355074 ,  72.9147978 ],
   [ 19.11917348,  72.90518167],
   [ 19.127193  ,  72.914269  ]])

（只是一个例子，不是正确的经纬度对）。

我正在做以下事情：

db_lat  = []
db_long = []
for i in range(len(DB)):
   l = len(DB[i])
   for j in range(l):
      db_lat.append(tsp_data_unique.latitude[tsp_data_unique['order_id'] ==   
      ''.join(DB[i][j])])  
      db_long.append(tsp_data_unique.longitude[tsp_data_unique['order_id'] 
      == ''.join(DB[i][j])])

但它为我提供了 DB 中所有经纬度的列表。在这里，我无法区分哪个 lat 和 long 属于哪个 DB 元素。因此，对于每个 DB 元素（在我的情况下为 6 个），我想要 6 个纬度和经度数组。请帮忙。

【问题讨论】：

标签： python pandas

【解决方案1】：

首先，我会将您的 int 列转换为 str 以将数据框与列表的值进行比较：

df['order_id'] = df['order_id'].apply(str)

然后在order_id上设置索引：

df = df.set_index('order_id')

然后你可以这样做：

pairs = df.loc[DB[2]].values

获得：

array([[ 19.13343 ,  72.913268],
       [ 19.1368  ,  72.917185],
       [ 19.136292,  72.913941],
       [ 19.119677,  72.905081]])

编辑：遍历您的列表，您可以：

In [93]: for i in range(len(DB)):
   ....:     p = df.loc[DB[i]].values
   ....:     print p
   ....:     
[[ 19.117662  72.905484]]
[[ 19.116275  72.892951]
 [ 19.119075  72.895115]]
[[ 19.13343   72.913268]
 [ 19.1368    72.917185]
 [ 19.136292  72.913941]
 [ 19.119677  72.905081]]
[[ 19.127193  72.914269]
 [ 19.119677  72.905081]]
[[ 19.118284  72.901114]
 [ 19.114269  72.904039]
 [ 19.119372  72.893768]
 [ 19.119677  72.905081]]
[[ 19.13825   72.91319 ]
 [ 19.138245  72.913183]
 [ 19.137793  72.913088]]

【讨论】：

【解决方案2】：

我就是这样解决的。类似于@Fabio 发布的内容。

new_DB=[]
for i in range(len(DB)):
    new_DB.append(tsp_data_unique[(tsp_data_unique['order_id']).isin(DB[i])]  
    [['latitude','longitude']].values)

【讨论】：