使用运行标志减少数据帧

Question

我有一个带有x、y 某些点坐标的数据框。每个点（坐标对）也都标有 True/False 标志：

xs = [1,3,7,5,4,6,2,8,9,0]
ys = [0,7,4,5,2,6,9,1,3,8]
flags = [True,False,False,False,True,True,False,True,True,True]
df = pd.DataFrame({'x':xs, 'y':ys,'flag':flags})


    x   y   flag
0   1   0   True
1   3   7   False
2   7   4   False
3   5   5   False
4   4   2   True
5   6   6   True
6   2   9   False
7   8   1   True
8   9   3   True
9   0   8   True

什么 reduce 函数可用于计算 2 个总距离：

1) 从 False 点之后的 True 点或第一个为 True 的点开始的路线的总距离，包括所有 True 点并以 False 点或所有点​​的结尾结束

2) 从真点之后的假点或第一个假点开始的路线的总距离，包括所有假点并以真点或所有点​​的结尾结束

在本例中，需要将以下部分相加得到总距离：

1) Route built from  True points:
(1,0) - (3,7)
---
(4,2) - (6,6)
(6,6) - (2,9)
---
(8,1) - (9,3)
(9,3) - (0,8)

2) Route built from False points:
(3,7) - (7,4)
(7,4) - (5,5)
(5,5) - (4,2)
---
(2,9) - (8,1)

因此，例如，以下几点：

points = [((1,0),(3,7)), ((4,2),(6,6)), ((6,6),(2,9)), 
           ((8,1),(9,3)), ((9,3),(0,8))]

# Compute distance between two points:
def distance(x1,y1,x2,y2):
    return math.sqrt((x2-x1)**2 + (y2-y1)**2)

总距离：

total_distance = 0
for t in points:
   total_distance += distance(t[0][0],t[0][1], t[1][0],t[1][1])  

print(total_distance)

29.283943962766887

如何使用reduce函数计算距离，而不是使用pandas.DataFrame.iterrows？

Answer 1

首先您可以使用shift 以矢量化方式计算距离：

df['dist'] = np.sqrt((df['x']-df['x'].shift(-1))**2 + (df['y']-df['y'].shift(-1))**2)

然后您可以在列标志上使用cumsum 和diff 创建满足True 条件的掩码：

mask_true = df['flag'].cumsum().diff().fillna(df['flag']).gt(0)
# now use loc to select these rows and the dist column plus sum
print (df.loc[mask_true,'dist'].sum())
# 29.283943962766887

对于 False 条件，那么我猜它是互补的，所以你得到：

print (df.loc[~mask_true,'dist'].sum())
# 20.39834563766817

编辑：有时，最简单的解决方案不会首先出现，但实际上，mask_true 是df['flag']，所以一旦你创建了列 dist，你可以直接做：

print (df.loc[df['flag'],'dist'].sum())
# 29.283943962766887
print (df.loc[~df['flag'],'dist'].sum())
# 20.39834563766817