Skip to main content
 首页 » 编程设计

python之如何使用列表对 Pandas 数据框进行子集化

2025年05月04日10oomusou

我有一个像这样的 Pandas 数据框。

     order_id   latitude  longitude  
0      519     19.119677  72.905081 
1      520     19.138250  72.913190 
2      521     19.138245  72.913183 
3      523     19.117662  72.905484 
4      524     19.137793  72.913088 
5      525     19.119372  72.893768 
6      526     19.116275  72.892951 
7      527     19.133430  72.913268 
8      528     19.136800  72.917185 
9      529     19.118284  72.901114 
10     530     19.127193  72.914269 
11     531     19.114269  72.904039 
12     532     19.136292  72.913941 
13     533     19.119075  72.895115 
14     534     19.119677  72.905081 
15     535     19.119677  72.905081 

还有一个 list

DB 
Out[658]:  
[['523'], 
['526', '533'], 
['527', '528', '532', '535'], 
['530', '519'], 
['529', '531', '525', '534'], 
['520', '521', '524']] 

现在我想在列表元素上对数据框进行子集化。列表中有 6 个元素,每个元素都有一个 order_id 的子列表。因此,对于每个子元素,我都需要相应的纬度和经度。然后我想计算每个 order_id location 之间的 haversine 距离:

 DB[2] 
 ['527', '528', '532', '535'] 

然后我想在主数据框上为纬度和经度对设置子集。所以它应该返回一个像这样的数组:

array([[ 19.11824057,  72.8939447 ], 
   [ 19.1355074 ,  72.9147978 ], 
   [ 19.11917348,  72.90518167], 
   [ 19.127193  ,  72.914269  ]]) 

(只是一个例子,不是正确的经纬度对)。

我正在做以下事情:

db_lat  = [] 
db_long = [] 
for i in range(len(DB)): 
   l = len(DB[i]) 
   for j in range(l): 
      db_lat.append(tsp_data_unique.latitude[tsp_data_unique['order_id'] ==    
      ''.join(DB[i][j])])   
      db_long.append(tsp_data_unique.longitude[tsp_data_unique['order_id']  
      == ''.join(DB[i][j])]) 

但它为我提供了数据库中所有纬度和经度的列表。在这里我无法区分哪些纬度和经度属于哪些数据库元素。因此,对于每个数据库元素(在我的例子中是 6 个),我需要 6 个纬度和经度数组。请帮忙。

请您参考如下方法:

首先,我会将您的 int 列转换为 str 以将数据框与列表的值进行比较:

df['order_id'] = df['order_id'].apply(str) 

然后在order_id上设置索引:

df = df.set_index('order_id') 

然后你可以这样做:

pairs = df.loc[DB[2]].values 

获取:

array([[ 19.13343 ,  72.913268], 
       [ 19.1368  ,  72.917185], 
       [ 19.136292,  72.913941], 
       [ 19.119677,  72.905081]]) 

编辑: 遍历您的列表,然后您可以:

In [93]: for i in range(len(DB)): 
   ....:     p = df.loc[DB[i]].values 
   ....:     print p 
   ....:      
[[ 19.117662  72.905484]] 
[[ 19.116275  72.892951] 
 [ 19.119075  72.895115]] 
[[ 19.13343   72.913268] 
 [ 19.1368    72.917185] 
 [ 19.136292  72.913941] 
 [ 19.119677  72.905081]] 
[[ 19.127193  72.914269] 
 [ 19.119677  72.905081]] 
[[ 19.118284  72.901114] 
 [ 19.114269  72.904039] 
 [ 19.119372  72.893768] 
 [ 19.119677  72.905081]] 
[[ 19.13825   72.91319 ] 
 [ 19.138245  72.913183] 
 [ 19.137793  72.913088]]