在Python/Pandas中跨可变列数应用函数
在Python/Pandas中跨可变列数应用函数
提问于 2018-07-10 00:44:07
我有一个数据集，它具有可变数量维度的points，坐标为原始坐标和相应的中心：
point | c_1 | c_2 | ... | c_n | center_1 | center_2 | ... | center_n
--------------------------------------------------------------------
p_1 | 0.1 | 0.3 | ... | 0.5 | 1.2 | 1.1 | ... | 0.7
p_2 | 1.0 | 1.5 | ... | 1.7 | 3.1 | 2.0 | ... | 1.3
p_3 | 0.5 | 0.8 | ... | 1.0 | 2.0 | 1.2 | ... | 3.8
... | ... | ... | ... | ... | ... | ... | ... | ...现在，我需要计算每个点到其中心的Euclidean距离。
例如，包含三个点的简化三维数据集如下所示：
point | c_1 | c_2 | c_3 | center_1 | center_2 | center_3 | distance
-------------------------------------------------------------------
p_1 | 0.0 | 0.0 | 0.0 | 1.0 | 1.0 | 1.0 | 1.732
p_2 | 1.0 | 1.0 | 1.0 | 3.0 | 3.0 | 3.0 | 3.464
p_3 | 0.5 | 0.5 | 0.5 | 2.0 | 2.0 | 2.0 | 2.598我可以在一维上执行以下操作：
import pandas as pd
import numpy as np
points = pd.DataFrame({
"point": ("p_1", "p_2", "p_3"),
"c_1": (0.0, 1.0, 0.5),
"c_2": (0.0, 1.0, 0.5),
"c_3": (0.0, 1.0, 0.5),
"center_1": (1.0, 3.0, 2.0),
"center_2": (1.0, 3.0, 2.0),
"center_3": (1.0, 3.0, 2.0)
})
points['distance'] = points.apply(lambda row:
np.linalg.norm(row['c_1']-row['center_1']), axis=1)但是如何在给定范围的可变维度上更好地做到这一点，比如10？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-10 00:53:15
IIUC
from scipy.spatial import distance
a=distance.cdist(df[['c_1','c_2','c_2']].values, df[['center_1','center_2','center_3']].values)
a[np.arange(len(a)),np.arange(len(a))]
Out[249]: array([1.73205081, 3.46410162, 2.59807621])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51250361
复制相关文章
相似问题