用布尔值旋转的熊猫

Question

我正在尝试学习如何创建路径并以这种方式重新排列和旋转数据。 我正在练习的示例数据如下所示。

ID  Time     Latitude  Longitude            
1   2:00    60.092033  20.765083                 
1   3:00    60.097300  20.672767                 
1   4:00    60.125550  20.593650                 
1   5:00    60.115233  20.505367                  
1   6:00    60.103800  20.425850                  
1   7:00    60.113750  20.335717                  
1   8:00    60.115683  20.303683                  
1   9:00    60.114817  20.305500                 
1   10:00   60.077983  20.316917                  
1   11:00   60.034500  20.305317

这些是给定时间内对象的纬度和经度。我有几个目标坐标，我想检查该对象是否在这些目标坐标内。我使用的半径为 2 公里，如果对象在 2 公里以内，那么我想从起始坐标旋转到当前坐标并使其像一条路径。第二次旋转在第一次旋转结束后立即开始。

我正在使用 hasrsine libray 来计算两个不同坐标之间的距离（公里）。

lat = df['Latitude'].values
long = df['Longitude'].values
CurrentCoordinates = zip(lat, long)
TargetedCoordinates = [60.103900, 20.415850]

for i, j in CurrentCoordinates
    print(haversine((i, j), TargetedCoordinates))

这给了我每个当前坐标和目标坐标之间的所有距离。

任何类型的建议都会很棒。 谢谢

Answer 1

如果我理解正确，您希望将原始数据帧中的每个坐标与每个目标坐标进行比较，如果相应的距离小于 2 公里，则得到一个指标数据帧为真。

这是一种方法。关键成分是scipy.spatial.distance.cdist，它可以计算成对距离。

import pandas as pd
import numpy as np
from scipy.spatial.distance import cdist
from haversine import haversine

df = pd.read_csv(
    pd.compat.StringIO(
        """ID  Time     Latitude  Longitude
1   2:00    60.092033  20.765083
1   3:00    60.097300  20.672767
1   4:00    60.125550  20.593650
1   5:00    60.115233  20.505367
1   6:00    60.103800  20.425850
1   7:00    60.113750  20.335717
1   8:00    60.115683  20.303683
1   9:00    60.114817  20.305500
1   10:00   60.077983  20.316917
1   11:00   60.034500  20.305317"""
    ),
    sep=r" +",
)

targets = pd.DataFrame(
    [[60.103900, 20.415850], [60.403900, 20.715850]], columns=["Latitude", "Longitude"]
)

res_data = (
    cdist(
        df[["Latitude", "Longitude"]],
        targets[["Latitude", "Longitude"]],
        metric=haversine,
    )
    < 2
)

res_df = pd.DataFrame(
    res_data,
    index=df[["Latitude", "Longitude"]].round(3).apply(tuple, axis=1),
    columns=targets[["Latitude", "Longitude"]].round(3).apply(tuple, axis=1),
)

---

结果：

                  (60.104, 20.416)  (60.404, 20.716)
(60.092, 20.765)             False             False
(60.097, 20.673)             False             False
(60.126, 20.594)             False             False
(60.115, 20.505)             False             False
(60.104, 20.426)              True             False
(60.114, 20.336)             False             False
(60.116, 20.304)             False             False
(60.115, 20.306)             False             False
(60.078, 20.317)             False             False
(60.034, 20.305)             False             False