在Python中获得k近邻最优匹配而无需替换

Question

我想为每个项目地块分配两个控制地块。 在第一次迭代中，我想将最近的控制图（具有 dist_project_plot_id* 的最小值）分配给正在评估的项目图。如果该控制图已分配给项目图，我们将寻找下一个最近的控制图。

一旦所有项目地块都被分配了第一个控制地块，我们就为每个项目地块分配第二个控制地块，遵循相同的标准：找到距离最小的控制地块，只要它之前没有被分配给另一个项目地块.

I have a dataframe which looks like: 
`data = {
    'control_plot_id': [1526258, 1507770, 1539206, 1528123, 2019722, 1504105],
    'dist_project_plot_id1': [3025.22, 2670.43, 2140.41, 1697.68, 3999.77, 2783.97],
    'dist_project_plot_id2': [488.07, 427.82, 1180.68, 1386.38, 4739.51, 590.44],
    'dist_project_plot_id3': [2033.15, 2193.51, 2958.56, 3168.14, 5573.02, 2008.31]
}

df = pd.DataFrame(data)`

地点： control_plot_id 表示控制图的标识符 dist_project_plot_id1 表示控制图和项目图 1 之间的距离 dist_project_plot_id2 表示控制图和项目图 2 之间的距离 等等

我已经在以下代码中尝试了第一次搜索：

import pandas as pd
df = pd.DataFrame(data)

# Add new columns "PP" and "dist"
df['PP'] = ''
df['dist'] = np.nan

# Get the column names starting with 'project_plot_id'
project_columns = [col for col in df.columns if col.startswith('project_plot_id')]

# Iterate over the project_plot_id columns
for col in project_columns:
    # Sort the dataframe by the current column in ascending order
    df_sorted = df.sort_values(col)

    # Find the k-nearest control plots for the current column
    k = 1  # Set the value of k
    nearest_control_plots = []
    for i in range(k):
        min_value = df_sorted.loc[~df_sorted['control_plot_id'].isin(nearest_control_plots)].head(1)[['control_plot_id', col]]
        nearest_control_plots.append(min_value['control_plot_id'].values[0])
        df.loc[df['control_plot_id'] == min_value['control_plot_id'].values[0], 'PP'] = col
        df.loc[df['control_plot_id'] == min_value['control_plot_id'].values[0], 'dist'] = min_value[col].values[0]

我无法编程的是，如果已经为项目图选择了控制图，则代码应该继续搜索下一个最近的控制图，可能是第三个、第四个，甚至最后一个。 也许某个特定的图书馆正在做我正在寻找的事情。

预期输出应包含以下列：

• control_plot_id：原始控制图id
• dist_project_plot_id1：项目图 1 与相应控制图之间的距离。
• dist_project_plot_id2：项目图 2 与相应控制图之间的距离。
• dist_project_plot_id3：项目图 2 与相应控制图之间的距离。
• PP：已选择控制图的项目图
• dist：控制图与所选控制图之间的距离

Answer 1

好的，根据描述，这就是您要找的：

import pandas as pd

data = {
    'control_plot_id': [1526258, 1507770, 1539206, 1528123, 2019722, 1504105],
    'dist_project_plot_id1': [3025.22, 2670.43, 2140.41, 1697.68, 3999.77, 2783.97],
    'dist_project_plot_id2': [488.07, 427.82, 1180.68, 1386.38, 4739.51, 590.44],
    'dist_project_plot_id3': [2033.15, 2193.51, 2958.56, 3168.14, 5573.02, 2008.31]
}

df = pd.DataFrame(data)
cols = [c for c in df.columns if c.startswith("dist")]

project_data = {}
assignments = []

for c in cols:
    project_data[c] = {}
    for i in range(1, 3):
        search_df = df.loc[~df.control_plot_id.isin(assignments)]
        control_plot = search_df.loc[search_df[c].idxmin()]
        project_data[c][f"control_plot{i}"] = control_plot.control_plot_id
        project_data[c][f"dist{i}"] = control_plot[c]
        assignments.append(control_plot.control_plot_id)

out_data = pd.DataFrame.from_dict(project_data, orient='index').reset_index()
out_data.rename(columns={'index': 'project'}, inplace=True)

print(out_data)

返回：

                 project  control_plot1    dist1  control_plot2    dist2
0  dist_project_plot_id1      1528123.0  1697.68      1539206.0  2140.41
1  dist_project_plot_id2      1507770.0   427.82      1526258.0   488.07
2  dist_project_plot_id3      1504105.0  2008.31      2019722.0  5573.02

这符合您的要求：

我想将最近的控制图（具有 dist_project_plot_id* 的最小值）分配给正在评估的项目图。如果该控制图已分配给项目图，我们将查找下一个最近的控制图。 一旦所有项目地块都被分配了第一个控制图，我们就按照相同的标准为每个项目地块分配第二个控制图：找到具有最小距离的控制图，只要它之前没有被分配给另一个项目地块。

但是您的示例输出与您所解释的想要的不同，不知道为什么......