【发布时间】：2017-09-11 17:17:15
【问题描述】：
数据
我有一个包含 5 列的数据框：
- 原点经纬度（
origin_lat、origin_lng） - 目的地的经纬度（
dest_lat,dest_lng） - 从其他字段计算的分数
我有一个矩阵M，其中包含成对的起点和终点纬度/经度。其中一些对存在于数据框中，其他对不存在。
目标
我的目标有两个：
- 从
M中选择数据框前四列中不存在的所有对，将函数func应用于它们（以计算得分列），并将结果附加到现有数据框。 注意：我们不应该为已经存在的行重新计算分数。 - 添加缺失的行后，在新的数据框
dfs中选择选择矩阵M定义的所有行。
示例代码
# STEP 1: Generate example data
ctr_lat = 40.676762
ctr_lng = -73.926420
N = 12
N2 = 3
data = np.array([ctr_lat+np.random.random((N))/10,
ctr_lng+np.random.random((N))/10,
ctr_lat+np.random.random((N))/10,
ctr_lng+np.random.random((N))/10]).transpose()
# Example function - does not matter what it does
def func(x):
return np.random.random()
# Create dataframe
geocols = ['origin_lat','origin_lng','dest_lat','dest_lng']
df = pd.DataFrame(data,columns=geocols)
df['score'] = df.apply(func,axis=1)
这给了我一个像这样的数据框df：
origin_lat origin_lng dest_lat dest_lng score
0 40.684887 -73.924921 40.758641 -73.847438 0.820080
1 40.703129 -73.885330 40.774341 -73.881671 0.104320
2 40.761998 -73.898955 40.767681 -73.865001 0.564296
3 40.736863 -73.859832 40.681693 -73.907879 0.605974
4 40.761298 -73.853480 40.696195 -73.846205 0.779520
5 40.712225 -73.892623 40.722372 -73.868877 0.628447
6 40.683086 -73.846077 40.730014 -73.900831 0.320041
7 40.726003 -73.909059 40.760083 -73.829180 0.903317
8 40.748258 -73.839682 40.713100 -73.834253 0.457138
9 40.761590 -73.923624 40.746552 -73.870352 0.867617
10 40.748064 -73.913599 40.746997 -73.894851 0.836674
11 40.771164 -73.855319 40.703426 -73.829990 0.010908
然后我可以人为地创建选择矩阵M，其中包含数据框中存在的 3 行和不存在的 3 行。
# STEP 2: Generate data to select
# As an example, I select 3 rows that are part of the dataframe, and 3 that are not
data2 = np.array([ctr_lat+np.random.random((N2))/10,
ctr_lng+np.random.random((N2))/10,
ctr_lat+np.random.random((N2))/10,
ctr_lng+np.random.random((N2))/10]).transpose()
M = np.concatenate((data[4:7,:],data2))
矩阵M 如下所示：
array([[ 40.7612977 , -73.85348031, 40.69619549, -73.84620489],
[ 40.71222463, -73.8926234 , 40.72237185, -73.86887696],
[ 40.68308567, -73.84607722, 40.73001434, -73.90083107],
[ 40.7588412 , -73.87128079, 40.76750639, -73.91945371],
[ 40.74686156, -73.84804047, 40.72378653, -73.92207075],
[ 40.6922673 , -73.88275402, 40.69708748, -73.87905543]])
从这里，我不知道如何知道M 中的哪些行在df 中不存在并添加它们。我也不知道如何从df 中选择M 中的所有行。
想法
我的想法是识别缺失的行，将它们附加到 df 并带有 nan 分数，然后仅重新计算 nan 行的分数。但是，我不知道如何在不循环矩阵M 的每个元素的情况下有效地选择这些行。
有什么建议吗？ 非常感谢您的帮助！
【问题讨论】：
标签： python pandas numpy select dataframe