如何在Pandas Dataframe中计算速度

Question

我的数据有问题。 我想基于“速度方程式”分析速度。

我的数据是这样的：

df

MAC T_1 X_1 Y_1 T_2 X_2 Y_2 T_3 X_3 Y_3 T_4 X_4 Y_4 T_5 X_5 Y_5 T_6 X_6 Y_6 T_7 X_7 Y_7
ID1 1   1   1   1   1   1   2   1   2   3   1   3   3   1   3   4   1   4   5   1   5
ID2 6   2   5   6   2   5   7   3   5   7   3   5   8   4   5   9   5   5   10  5   4
ID3 1   1   1   2   1   2   3   1   3   3   1   3   4   1   4   5   1   5   6   2   5

我尝试使用以下代码计算速度：

df = pd.read_csv("data.csv") #read data
def v_2(i):
     return (df.ix[x,(5+3*(i-1))]-df.ix[x,(2+3*(i-1))])**2 + (df.ix[x,(6+3*(i-1))]-df.ix[x,(3+3*(i-1))])**2

def v(i):
    if (df.ix[x,(4+3*(i-1))]-df.ix[x,(1+3*(i-1))]) ==0:
       return 0
    else:
        return math.sqrt(v_2(i)) / (df.ix[x,(4+3*(i-1))]-df.ix[x,(1+3*(i-1))]) 
for i in range(1,7):
    for x in range(3):
        v_2(i)
        v(i)
        print((f"v：{v(i)}",f"i：{i+1}",f"ID：{x+1}"))

当前结果显示如下：

('v：0', 'i：2', 'ID：1')
('v：0', 'i：2', 'ID：2')
('v：1.0', 'i：2', 'ID：3')
('v：1.0', 'i：3', 'ID：1')
('v：1.0', 'i：3', 'ID：2')
('v：1.0', 'i：3', 'ID：3')
('v：1.0', 'i：4', 'ID：1')
('v：0', 'i：4', 'ID：2')
('v：0', 'i：4', 'ID：3')
('v：0', 'i：5', 'ID：1')
('v：1.0', 'i：5', 'ID：2')
('v：1.0', 'i：5', 'ID：3')
('v：1.0', 'i：6', 'ID：1')
('v：1.0', 'i：6', 'ID：2')
('v：1.0', 'i：6', 'ID：3')
('v：1.0', 'i：7', 'ID：1')
('v：1.0', 'i：7', 'ID：2')
('v：1.0', 'i：7', 'ID：3')

我的预期结果成为pd.Dataframe看起来像这样：

MAC V1  V2  V3  V4  V5  V6
ID1 0   1   1   0   1   1
ID2 0   1   0   1   1   1
ID3 1   1   0   1   1   1

您介意帮助我如何转换数据或更好的分析速度的方法。 先感谢您。

Answer 1

您可以将代码的最后部分替换为：

rows =[]
for i in range(1, 7):
    for x in range(3):
        v_2(i)
        v(i)
        row = [v(i), i+1, x+1]
        rows.append(row)
df1 = pd.DataFrame(rows, columns=['v', 'i', 'ID'])
df2 = pd.pivot_table(df1, values = 'v', index=['ID'], columns = 'i').reset_index()
df2.columns = ['MAC','V1','V2','V3','V4','V5','V6']
df2.set_index('MAC', inplace=True)
print df2

输出：

      V1   V2   V3   V4   V5   V6
MAC                              
1    0.0  1.0  1.0  0.0  1.0  1.0
2    0.0  1.0  0.0  1.0  1.0  1.0
3    1.0  1.0  0.0  1.0  1.0  1.0

Answer 2

在示例代码中，您并没有在任何地方创建数据框...只是在打印输出： print((f"v：{v(i)}",f"i：{i+1}",f"ID：{x+1}")) 。

一种简单的方法是使用您的数据创建一个字典（即使我不理解您想在其中存储什么数据...），然后创建一个数据框：

data = {'MAC':[], 'V1':[], 'V2':[], 'V3':[], 'V4':[], 'V5':[], 'V6':[],}
for i in range(1,7):
    for x in range(3):
        data['MAX'].append('ID{}'.format(x+1))
        data['V{}'.format(i)].append(v(i))
        # do not know where to store v_2(i)
df = pandas.Dataframe(data)

同样，我并没有真正理解最终数据帧中的内容，但是以上提示足以解决问题。

Answer 3

我尝试此代码可能接近我的预期结果：

def v_2(i):
     return (df.ix[x,(5+3*(i-1))]-df.ix[x,(2+3*(i-1))])**2 + (df.ix[x,(6+3*(i-1))]-df.ix[x,(3+3*(i-1))])**2

def v(i):
    if (df.ix[x,(4+3*(i-1))]-df.ix[x,(1+3*(i-1))]) ==0:
       return 0
    else:
       return math.sqrt(v_2(i)) / (df.ix[x,(4+3*(i-1))]-df.ix[x,(1+3*(i-1))]) 
df = pd.read_csv("data.csv") 
df_result = pd.DataFrame()
for i in range(1,int((len(df.columns)-1)/3)):
    v_result = list()
    for x in range(len(df.index)):
        v_2(i)
        v(i)
        v_result.append(v(i))
  df_result[i]=v_result
df_result.columns = ['V_{}'.format(int(i)+1) for i in df_result.columns]
df_result.index = ['ID_{}'.format(int(i)+1) for i in df_result.index]
df_result