Pandas - 列之间的欧几里得距离答案

【问题标题】：Pandas - Euclidean Distance Between ColumnsPandas - 列之间的欧几里得距离
【发布时间】：2021-03-11 00:31:19
【问题描述】：

我有一个如下的数据框：

           uuid        x_1         y_1         x_2         y_2
0        di-ab5      82.31      184.20      148.06      142.54  
1        di-de6      92.35      185.21       24.12       16.45
2        di-gh7     123.45        0.01         NaN         NaN 
...

我正在尝试在新列中计算[x_1, y_1] 和[x_2, y_2] 之间的欧几里得距离（在此示例中不是实际值）。

           uuid       dist
0        di-ab5      12.31    
1        di-de6      62.35   
2        di-gh7        NaN

注意事项：

某些行在某些数据点上有NaN
可以将原始数据框中的数据表示为点（即[1.23, 4.56]），而不是拆分 x 和 y 坐标

我目前正在使用以下脚本：

df['dist']  = np.sqrt((df['x_1'] - df['x_2'])**2 + (df['y_1'] - df['y_2'])**2)

但它看起来很冗长并且经常失败。有没有更好的方法来使用 pandas、numpy 或 scipy？

【问题讨论】：

你总是可以写一个函数来隐藏单调。 getdist(df, '1', '2')
对，更大的问题不是循环，而是计算，有没有可以使用的pandas、numpy或scipy函数？
好吧，用 Google 的 30 秒把我带到了 numpy.linalg.norm。
((df['x_1'] - df['x_2'])**2 + (df['y_1'] - df['y_2'])**2)**0.5?

标签： python pandas numpy

【解决方案1】：

你可以使用np.linalg.norm，即：

df['dist'] = np.linalg.norm(df.iloc[:, [1,2]].values - df.iloc[:, [3,4]], axis=1)

输出：

     uuid     x_1     y_1     x_2     y_2        dist
0  di-ab5   82.31  184.20  148.06  142.54   77.837125
1  di-de6   92.35  185.21   24.12   16.45  182.030960
2  di-gh7  123.45    0.01     NaN     NaN         NaN

【讨论】：

谢谢 - 但最后一行的距离应该是 NaN，因为第二点包含 NaN - 不知道如何用您的解决方案实现这一点。
只需删除ffill 部分。我已经编辑过了。
其实我只是添加了一个矢量化的形式。

【解决方案2】：

def getDist( df, a, b ):
    return np.sqrt((df[f'x_{a}']-df[f'x_{b}'])**2+(df[f'y_{a}']-df[f'y_{b}'])**2)

【讨论】：

【解决方案3】：

np.sqrt((df.filter(like='x').agg('diff',1).sum(1)**2)+(df.filter(like='y').agg('diff',1).sum(1)**2))

工作原理

分别过滤x和y

df.filter(like='x')

求跨柱差并平方。

df.filter(like='x').agg('diff',1).sum(1)**2

将两个结果相加，求平方根。

np.sqrt((df.filter(like='x').agg('diff',1).sum(1)**2)+(df.filter(like='y').agg('diff',1).sum(1)**2))

【讨论】：

【解决方案4】：

使用 numpy 的另一种解决方案：

diff = (df[['x_1','y_1']].to_numpy()-df[['x_2','y_2']].to_numpy())
df['dist'] = np.sqrt((diff*diff).sum(-1))

输出：

    uuid    x_1     y_1     x_2     y_2     dist
0   di-ab5  82.31   184.20  148.06  142.54  77.837125
1   di-de6  92.35   185.21  24.12   16.45   182.030960
2   di-gh7  123.45  0.01    NaN     NaN     NaN

【讨论】：