遍历python元组列表并应用函数

Question

我有这种格式的数据框：

  vid            points
0 1              [[0,1], [0,2, [0,3]]
1 2              [[1,2], [1,4], [1,9], [1,7]]
2 3              [[2,1], [2,3], [2,8]]
3 4              [[3,2], [3,4], [3,5],[3,6]]

每行都是轨迹数据，我必须使用func_dist函数查找轨迹之间的距离，如下所示：

 x = df.iloc[0]["points"].tolist() 
 y = df.iloc[3]["points"].tolist()
 func_dist(x, y)

我有兴趣轨迹的索引列表l ..

l = [0,1,3]

我必须找到所有可能的轨迹对之间的距离； 在上述情况下，它是0-1、0-3和1-3。 我知道如何使用

 pairsets = list(itertools.combinations(l, 2)) 

哪个返回

 [(0,1), (0,3), (1,3)]

由于该列表可能有100多个索引，因此我试图使此过程自动化，并将每对之间计算出的距离存储在new_df数据帧中。

我尝试了以下代码进行距离计算：

for pair in pairsets:
    a, b = [m[0] for m in pairssets], [n[1] for n in pairsets]
    for i in a:
        x = df.iloc[i]["points"].tolist()
    for j in b:
        y = df.iloc[j]["points"].tolist()
    dist = func_dist(x, y) 

但是它只计算最后一对1-3。 如何计算所有对，并创建一个新的数据框，如下所示：

  traj1       traj2       distance
  0           1           some_val
  0           3           some_val
  1           3           some_val

Answer 1

这仅仅是正确处理索引的问题。 对于每一对，您都抓住两个索引，分配数据集，然后计算距离。

dist_table = []

for pair in pairsets:
    i, j = pair
    x = df.iloc[i]["points"].tolist()
    y = df.iloc[j]["points"].tolist()
    dist = func_dist(x, y)
    dist_table.append( [i, j, dist] )

您可以合并前两行：

for i, j in pairsets:

dist_table提供了一个二维列表，您应该可以通过一个简单的PANDAS调用将其转换为新的数据框。

那会让你动起来吗？