计算 2 个数据帧之间的最小距离并估计一个数据帧中的缺失点位置答案

【问题标题】：calculate the minimum distance between 2 dataframe and estimate the missing points location in one dataframe计算 2 个数据帧之间的最小距离并估计一个数据帧中的缺失点位置
【发布时间】：2021-12-21 19:28:54
【问题描述】：

估计数据框：

index	x	y
1	0.47	0.46
2	0.44	0.46
3	0.41	0.45
4	0.38	0.45
5	0.35	0.45
6	0.33	0.44
7	0.30	0.43
8	0.30	0.39

real_dataframe：

index	x	y
1	0.46	0.463
4	0.40	0.453
5	0.37	0.455
6	0.34	0.450
7	0.32	0.448

目标：计算估计与真实之间的最小距离，并将该距离与不匹配的估计数据点相加，以指示真实数据帧中的缺失位置

缺失的可能位于数据帧的中间，在这种情况下（2,3 和 8）real_missing 等于估计加上距离

index	x	y
2	0.44 plus d	0.46 plus D
3	0.41 plus d	0.45 plus D
8	0.30 plus d	0.39 plus D

【问题讨论】：

注意：估计数据帧和真实数据帧的不同索引点之间的最小距离可能是
在0.44 plus d d 来自哪里？

标签： python pandas distance euclidean-distance

【解决方案1】：

import math
mindistance = []
mindistance_x = []
mindistance_y = []
l_list = []
for x, y in zip(data_test.x_center,data_test.y_center):
    #x = data_test.x_center[0]
    #y = data_test.y_center[0]
    dist = []
    dist_x = []
    dist_y = []
    for w,z in zip(Estimated.x_center,Estimated.y_center):
        distance = math.sqrt((x - w)**2 + (y - z)**2)
        dist.append(distance)
        dist_x.append(x-w)
        dist_y.append(y-z)
    l = np.argmin(dist)
    l_list.append(l)
    mindistance.append(dist[l])
    mindistance_x.append(dist_x[l])
    mindistance_y.append(dist_y[l])

#average_min_distance = mean(mindistance)
#average_min_distance

【讨论】：