基于函数的熊猫返回单独的数据帧值

Question

我有两个数据帧，df1是场所的位置，df2是站的位置。我正在尝试找到一种更有效的方法来应用距离函数，以查找在特定范围内的站点并返回站点的名称。如果距离函数是+/- 1的纬度差，这是我的预期结果：

# df1
   Lat  Long 
0   30    31    
1   37    48    
2   54    62    
3   67    63     

# df2
   Station_Lat  Station_Long Station
0           30            32     ABC    
1           43            48     DEF    
2           84            87     GHI    
3           67            62     JKL    

# ....Some Code that compares df1 and df2....

# result
   Lat  Long  Station_Lat  Station_Long Station
    30    31           30            32     ABC
    67    63           67            62     JKL

我有一个使用cartesian product /交叉联接的功能，可以在单个DataFrame上应用函数。此解决方案有效，但是我在一个真实的数据集中有数百万行，这使笛卡尔积非常慢。

import pandas as pd
df1 = pd.DataFrame({'Lat' : [30, 37, 54, 67],
                    'Long' : [31, 48, 62, 63]})

df2 = pd.DataFrame({'Station_Lat' : [30, 43, 84, 67],
                    'Station_Long' : [32, 48, 87, 62],
                    'Station':['ABC', 'DEF','GHI','JKL']})

# creating a 'key' for a cartesian product
df1['key'] = 1
df2['key'] = 1

# Creating the cartesian Join
df3 = pd.merge(df1, df2, on='key')

# some distance function that returns True or False
# assuming the distance function I want is +/- 1 of two values
def some_distance_func(x,y):
    return x-y >= -1 and x-y <= 1

# applying the function to a column using vectorized approach
# https://stackoverflow.com/questions/52673285/performance-of-pandas-apply-vs-np-vectorize-to-create-new-column-from-existing-c
df3['t_or_f'] =  list(map(some_distance_func,df3['Lat'],df3['Station_Lat']))

# result
print(df3.loc[df3['t_or_f']][['Lat','Long','Station_Lat','Station_Long','Station']].reset_index(drop=True))

我也尝试过使用iterrows()的循环方法，但是比交叉联接方法慢。有没有更pythonic /更有效的方法来实现我想要的？

Answer 1

也许更快一些：

iterrows()

排序后，您可以使用'searchsorted“：

df2= df2.sort_values("Station_Lat")

“ idx”是“最近”电台lat。索引或idx + 1就是这个。也许您需要复制df2的最后一行（请参阅“搜索后的文档”），以避免对其过度索引。通过此自定义功能使用“应用”：

df1["idx"]=df2.Station_Lat.searchsorted(df1.Lat)

Answer 2

lambda怎么样？

def dist(row): 
    if  abs(row.Lat-df2.loc[row.idx].Station_Lat)<=1: 
            return df2.loc[row.idx].Station 
    elif abs(row.Lat-df2.loc[row.idx+1].Station_Lat)<=1: 
            return df2.loc[row.idx+1].Station 

    return False 

df1.apply(dist,axis=1)                                                                                               

0      ABC
1    False
2    False
3      JKL
dtype: object

输出：

df3[df3.apply(lambda x, col1='Lat', col2='Station_Lat': x[col1]-x[col2] >= -1 and x[col1]-x[col2] <= 1, axis=1)]['Station']