我有一个带有FEM元素及其节点的数据框。 我需要从这些数据中找到相邻元素及其各自的位置。 示例数据如下所示：
| El_ID | Node_SW | Node_NW | Node_NE | Node_SE | |-------|---------|---------|---------|---------| | 755 | 1412 | 1413 | 1459 | 1458 | | 756 | 1413 | 1414 | 1460 | 1459 | | 802 | 1458 | 1459 | 1505 | 1504 |
比较（Node_SW，Node_SE）与（Node_NW，Node_NE）产生邻居元素756作为Neighbor_North到755，反之亦然。比较（Node_NE，Node_SE）和（Node_NW，Node_SW）分别产生西部和东部邻居。
输出应该看起来像这样
| El_ID | Node_SW | Node_NW | Node_NE | Node_SE | El_S | El_N |El_W|El_E|... |-------|---------|---------|---------|---------|------|------|----|----|... | 755 | 1412 | 1413 | 1459 | 1458 | 754 | 756 | 802| 708|... | 756 | 1413 | 1414 | 1460 | 1459 | 755 | NaN | 803| 709|... | 802 | 1458 | 1459 | 1505 | 1504 | 801 | 803 | 849| 755|... ...
Element_ID可以排序，但通常是随机的。通过使用scipy中的KDTree，我已经设法通过元素宽度的距离获得元素的邻域，但是我没有得到任何位置信息（S，N，E，W）。
任何人都知道如何用熊猫或numpy完成它？我想逃避循环，因为元素表可以很长...
谢谢
使用pandas，您可以执行以下操作：
data = [[755 , 1412 , 1413 , 1459 , 1458],
[756 , 1413 , 1414 , 1460 , 1459] ,
[802 , 1458 , 1459 , 1505 , 1504]]
df = pd.DataFrame(data, columns=['El_ID', 'Node_SW' , 'Node_NW' , 'Node_NE' , 'Node_SE'])
然后根据Node_SW - Node_NW关系得到邻居，
pd.merge(df, df, left_on= 'Node_SW', right_on='Node_NW')
输出是
El_ID_x Node_SW_x Node_NW_x Node_NE_x Node_SE_x El_ID_y Node_SW_y Node_NW_y Node_NE_y Node_SE_y
0 756 1413 1414 1460 1459 755 1412 1413 1459 1458
你得到756和755之间的关系。
你必须为其他象限做同样的事情。