如何將一個numpy陣列和一個indices陣列映射到pandas資料框中？ -有解無憂

我一直在關注這個教程，了解如何用scikit尋找一個點的最近鄰居。

然而，當涉及到顯示資料時，該教程僅僅提到 "可以將指數映射為有用的值，并將兩個陣列與其他資料合并"

。

但是并沒有實際解釋如何做到這一點。我對Pandas不是很精通，我不知道如何進行這種合并，所以我最終只得到了兩個多維陣列，我不知道如何將它們映射到原始資料，以研究這個例子并進行實驗。

這是代碼

import numpy as np
from sklearn.neighbors import BallTree, KDTree
import pandas as pd

# DataFrame示例的列名。
column_names = ["STATION NAME", "LAT", "LON"]

# A list of locations that will be used to construct the binary[/span].
# tree.
locations_a = [['BEAUFORT'/span>, 32.4, -80.633]。
       ['CONWAY HORRY COUNTY AIRPORT', 33.828, -79.122] 。
       ['HUSTON/EXECUTIVE', 29.8, -95.9] 。
       ['ELIZABETHTON MUNI', 36.371, -82.173] 。
       ['JACK BARSTOW AIRPORT', 43.663, -84.261] 。
       ['MARLBORO CO JETPORT H E AVENT', 34.622, -79.734] 。
       ['SUMMERVILLE AIRPORT', 33.063, -80.279 ]]

# A list of locations that will be used to construct the queries. 
#為鄰居。
locations_b = [['BOOMVANG HELIPORT / OIL PLATFORM'/span>, 27.35, -94.633],
       ['LEE COUNTY AIRPORT', 36.654, -83.218] 。
       ['ELLINGTON', 35.507, -86.804],
       ['LAWRENCEVILLE BRUNSWICK MUNI', 36.773, -77.794] 。
       ['PUTNAM CO', 39.63, -86.814] ]

# 將串列轉換為DataFrames。我們將用來構建樹。
# 第一個，并在第二個上執行查詢。

locations_a = pd.DataFrame(location_a, columns = column_names)
locations_b = pd.DataFrame(location_b, columns = column_names)

# 創建新的列，將坐標度轉換為弧度。
for column in locations_a[["LAT"/span>, "LON"/span>]] 。
    rad = np.deg2rad(location_a[column].values)
    locations_a[f'{column}_rad'] = rad
for column in locations_b[["LAT"/span>, "LON"/span>]]。
    rad = np.deg2rad(location_b[column].values)
    locations_b[f'{column}_rad'] = rad

# 取第一組的緯度和經度值來構建# the ball tree.
ball = BallTree(location_a[["LAT_rad", "LON_rad"]].values, metric='haversine')

# 要回傳的鄰居的數量。
k = 1

# 執行第二個組的查詢。這也將回傳兩個
# arrays.
distances, indices = ball.query(location_b[["LAT_rad", "LON_rad"]].value, k = k)
#converting to kilometers[/span].
distances = distances * 6.371[/span]。

那么我如何將distances和indices映射到我的資料框架中，以便直觀地看到每個點的最近鄰居？

uj5u.com熱心網友回復：

indices中的每個整數索引都是指locations_a的一個索引值（行號）。你可以使用locations_a.loc[]將這些索引轉換為其對應的站名的numpy陣列：

nearest_station_names = locations_a.loc[indices.flatten()]['STATION NAME'/span>].to_numpy()

(為什么是indices.flatten()而不是僅僅indices？ball.query將distances和indices作為二維numpy陣列回傳，其中第二維（列數）為1。為了使indices在df.loc[]中作業，你需要將其 "扁平化 "為一個一維陣列，其唯一維度為行數。

接下來，在locations_b中插入名字作為一個新的列：

locations_b['nearest_stn'] = nearest_station_names

然后插入distances作為另一個新列（在這種情況下不需要.flatten）：

locations_b['nearest_stn_dist'] = distances

# 為簡潔起見，列印時不加弧度列。
print(location_b.drop(columns=['lat_rad', 'lon_rad'])

                       站名LAT LON nearest_stn nearest_stn_km
0 BOOMVANG HELIPORT / OIL PLATFORM 27.350 -94.633 HUSTON / EXECUTIVE 299.198339
1 LEE COUNTY AIRPORT 36.654 -83.218 ELIZABETHTON MUNI 98.550423
2 ELLINGTON 35.507 -86.804 ELIZABETHTON MUNI 427.798176
3 LAWRENCEVILLE BRUNSWICK MUNI 36.773 -77.794 MARLBORO CO JETPORT H E AVENT296.458070
4 PUTNAM CO 39.630 -86.814 JACK BARSTOW AIRPORT 496.025005

uj5u.com熱心網友回復：

根據BallTree()的檔案，indices是一個形狀為(len(X), k)的2D陣列，其中X是查詢中提供給樹的陣列（這里是locations_b）。

因此，當你用locations_b和k=1進行查詢時，你會收到一個形狀為(5, 1)的2D陣列，它代表locations_b的每一站的最近鄰居，作為用于擬合BallTree的原始X的索引，在此為locations_a。

這意味著你現在有locations_a的索引，代表locations_b中每個站的最近的鄰居（s）。

在k=1的情況下，您可以通過將locations_a與您的查詢所產生的索引進行索引來獲得關于最近的站點的資訊，如：

neighbors = pd.DataFrame({'distance': distances.flatten(), ' neighbor_idx': indices.flatten()})

>>> 鄰居

   距離 neighbor_idx
0 0.299198 2
1 0.098550 3
2 0.427798 3
3 0.296458 5
4 0.496025 4

在下面的代碼中，我們join locations_b到neighbors，它默認是按索引連接，然后合并locations_a的一列，使用我們的neighbor_idx欄位來匹配locations_a的索引。

locations_b
    .join(neighbors)
    . merge(location_a[['STATION NAME']], left_on=' neighbor_idx', right_index=True, suffixes=("", "_neighbor")
    .drop('neighbour_idx', axis=1)

站名 LAT LON LAT_rad LON_rad distance STATION NAME_neighbor
0 BOOMVANG HELIPORT / OIL PLATFORM 27.350 -94. 633 0.477348 -1.651657 0.299198 HUSTON/EXECUTIVE
1 LEE COUNTY AIRPORT 36.654 -83. 218 0.639733 -1.452428 0.098550 ELIZABETHTON MUNI
2 ELLINGTON 35.507 -86.804 0. 619714 -1.515016 0.427798 ELIZABETHTON MUNI
3 LAWRENCEVILLE BRUNSWICK MUNI 36.773 -77. 794 0.641810 -1.357761 0.296458 MARLBORO CO JETPORT H E AVENT
4 PUTNAM CO 39.630 -86.814 0. 691674 -1.515190 0.496025 JACK BARSTOW AIRPORT

你當然可以選擇從locations_a中合并額外的列。

在有多個近鄰的一般情況下，上面的方法不會很好地作業。下面是一個解決這個問題的方法：

k=3。
距離, 索引 = ball.query(location_b[["LAT_rad", "LON_rad"]].value, k = k)
#converting to kilometers[/span].
distances = distances * 6.371[/span]。

dists = pd.DataFrame(distances).stack()
rel = pd.DataFrame(indices).stack()
neighbor_df = pd.merge(dists.rename('distance'), rel.rename('neighbour_idx'), right_index=True, left_index=True)
neighbor_df = neighbor_df.reset_index(level=1)
neighbor_df.columns = ['neighbour_number', 'distance', 'nighbour_idx']

>>> neighbor_df

   鄰居號碼的距離 neighbor_idx
0 0 0.299198 2
0 1 1.460424 0
0 2 1.516741 6
1 0 0.098550 3
1 1 0.387486 5
1 2 0.480926 6
2 0 0.427798 3
2 1 0.650799 5
2 2 0.658009 6
3 0 0.296458 5
3 1 0.348930 1
3 2 0.393563 3
4 0 0.496025 4
4 1 0.544545 3
4 2 0.838587 5

地點_b
    .join(neighbour_df)
    . merge(location_a[['STATION NAME']], left_on='neighbour_idx', right_index=True, suffixes=("", "_neighbor")
    .drop('neighbour_idx', axis=1)

結果：

。
                       站名LAT LON LAT_rad LON_rad neighbor_number distance STATION NAME_neighbor
0 BOOMVANG HELIPORT / OIL PLATFORM 27.350 -94.633 0。 477348 -1.651657 0 0.299198 HUSTON/EXECUTIVE
0 BOOMVANG HELIPORT / OIL PLATFORM 27.350 -94.633 0. 477348 -1.651657 1 1.460424 BEAUFORT
0 BOOMVANG HELIPORT / OIL PLATFORM 27.350 -94.633 0。 477348 -1.651657 2 1.516741 SUMMERVILLE AIRPORT
1 Lee COUNTY AIRPORT 36.654 -83.218 0. 639733 -1.452428 2 0.480926 SUMMERVILLE AIRPORT
2 ELLINGTON 35.507 -86.804 0. 619714 -1.515016 2 0.658009 SUMMERVILLE AIRPORT
1 Lee COUNTY AIRPORT 36.654 -83.218 0. 639733 -1.452428 0 0.098550 ELIZABETHTON MUNI
2 ELLINGTON 35.507 -86.804 0. 619714 -1.515016 0 0.427798 ELIZABETHTON MUNI
3 LAWRENCEVILLE BRUNSWICK MUNI 36.773 -77.794 0. 641810 -1.357761 2 0.393563 ELIZABETHTON MUNI
4 PUTNAM CO 39.630 -86.814 0. 691674 -1.515190 1 0.544545 ELIZABETHTON MUNI
1 Lee COUNTY AIRPORT 36.654 -83.218 0. 639733 -1.452428 1 0.387486 MARLBORO CO JETPORT H E AVENT
2 ELLINGTON 35.507 -86.804 0. 619714 -1.515016 1 0.650799 MARLBORO CO JETPORT H E AVENT
3 LAWRENCEVILLE BRUNSWICK MUNI 36.773 -77.794 0. 641810 -1.357761 0 0.296458 MARLBORO CO JETPORT H E AVENT
4 PUTNAM CO 39.630 -86.814 0. 691674 -1.515190 2 0.838587 MARLBORO CO JETPORT H E AVENT
3 LAWRENCEVILLE BRUNSWICK MUNI 36.773 -77.794 0. 641810 -1.357761 1 0.348930 CONWAY HORRY COUNTY AIRPORT
4 PUTNAM CO 39.630 -86.814 0. 691674 -1.515190 0 0.496025 JACK BARSTOW AIRPORT

很酷的專案！

轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/321115.html

標籤：

上一篇：當你把對同一個物件的兩個參考設定成相等的時候，會發生什么？

下一篇：陣列內有多個值