用“真”找到最近的索引并计算距离（熊猫）

Question

我有一个这样的数据框：

编号	变量1	变量2	变量 3
0	真的	错误的	错误的
1	错误的	真的	错误的
2	真的	错误的	真的
3	错误的	错误的	错误的
4	真的	错误的	真的

我想创建三个新列，其距离（距每一行）最近的 True，如果该行的 True 显示为 0，那么我会得到这个：

编号	变量1	变量2	变量 3	distV1	distV2	分配V3
0	真的	错误的	错误的	0	1	2
1	错误的	真的	错误的	1	0	1
2	真的	错误的	真的	0	1	0
3	错误的	错误的	错误的	1	2	1
4	真的	错误的	真的	0	3	0

我已阅读与此主题相关的所有其他讨论，但无法找到此类问题的答案。

Answer 1

代码

填充到列中最近的True位置的距离。

from scipy.spatial import KDTree
    
array = df.to_numpy()
bmp = array.astype(np.uint8)
distance = []
for points in bmp.T:
    all_points = np.argwhere(points!=2)
    true_points = np.argwhere(points==1)
    tree = KDTree(true_points)
    dist = tree.query(all_points, k=1, p=2)[0]
    distance.append(dist)
distance = np.array(distance).astype(int).T
df[df.columns + "_dist"] = distance

输出

      Var1   Var2   Var3  Var1_dist  Var2_dist  Var3_dist
idx                                                      
0     True  False  False          0          1          2
1    False   True  False          1          0          1
2     True  False   True          0          1          0
3    False  False  False          1          2          1
4     True  False   True          0          3          0

填充到整个表格中最近的True位置的距离。

from scipy.spatial import KDTree

array = df.to_numpy()
bmp = array.astype(np.uint8)
all_points = np.argwhere(bmp!=2)
true_points = np.argwhere(bmp==1)
tree = KDTree(true_points)
distance = tree.query(all_points, k=1, p=1)[0]
distance.resize(array.shape)
df[df.columns + "_dist"] = distance.astype(int)

输出

      Var1   Var2   Var3  Var1_dist  Var2_dist  Var3_dist
idx                                                      
0     True  False  False          0          1          2
1    False   True  False          1          0          1
2     True  False   True          0          1          0
3    False  False  False          1          2          1
4     True  False   True          0          1          0

解释

1. 使用np.array制作0,1数据

array([[1, 0, 0],
       [0, 1, 0],
       [1, 0, 1],
       [0, 0, 0],
       [1, 0, 1]], dtype=uint8)

2. argwhere将返回符合条件的点的位置坐标。

3. KDTree是一种寻找最近点的经典算法。

   1. arg k表示前 n 个最近点

   2. arg p =1 表示“曼哈顿”距离

   使用哪个 Minkowski p 范数。

   1 是绝对值之和距离（“曼哈顿”距离）。

   2 是通常的欧几里得距离。

参考

scipy.KDTree

Answer 2

这是使用 numpy 操作的一种方法：

for c in df:
    r = np.where(df[c])[0]
    d = abs(df.index.values[:, None] - r)
    df[f'{c}_dist'] = abs(df.index - r[d.argmin(1)])

---

print(df)

    Var1   Var2   Var3  Var1_dist  Var2_dist  Var3_dist
0   True  False  False          0          1          2
1  False   True  False          1          0          1
2   True  False   True          0          1          0
3  False  False  False          1          2          1
4   True  False   True          0          3          0