用 itertools 组合学做简单的操作？

Question

我有一个 python 数据集，它具有以下结构：

cluster  pts   lon   lat

0        5      45    24
1        6      47    23
2        10     45    20

如您所见，我有一列是指一个簇，一个簇内的点数，该簇的代表纬度和该簇的代表经度。 在整个 dataframe 中，我有 140 个集群。

现在我想通过组合为每个集群计算以下操作：

𝑤𝑒𝑖𝑔ℎ𝑡(𝑖,𝑗)=−𝑛𝑖+𝑛𝑗/𝑑𝑖𝑠𝑡(𝑖,𝑗)

其中 i 指的是一个簇，j 指的是另一个簇。 其中 n 指的是点数

一方面，它对簇 i 和簇 j 之间的点求和，在分母中，它通过 haversine 计算两个簇之间的距离，同时考虑它们的代表坐标。

我首先想出了一个使用 itertools 的代码，但我有问题要继续。 任何的想法？

from itertools import combinations

for c in combinations(df['cluster'],2):
    sum_pts=
    distance=
    weight=-(sum_pts/distance)
    print(c,weight)

Answer 1

正如您提到的，要进行组合，您可以使用 itertools。
要计算距离，您可以使用geopy.distance.distance 。 详情参考文档： https://geopy.readthedocs.io/en/stable/#module-geopy.distance

这应该有效：

from itertools import combinations
from geopy.distance import distance

for p1, p2 in combinations(df['cluster'], 2):
    sum_pts = df['pts'][p1] + df['pts'][p2]
# distance in km
    dist = distance(df.loc[p1, ['lat', 'lon']], df.loc[p2, ['lat', 'lon']]).km
    weight = -sum_pts/dist
    print ((p1, p2), weight)

编辑：对于集群不一定对应于索引的情况

for c1, c2 in combinations(df['cluster'], 2):
    p1, p2 = df[df['cluster'] == c1].iloc[0], df[df['cluster'] == c2].iloc[0] 
    sum_pts = p1['pts'] + p2['pts']
    dist = distance((p1['lat'], p1['lon']), (p2['lat'], p2['lon'])).km
    weight = -sum_pts/dist
    print ((c1, c2), weight)

Output：

(0, 1) -0.04733881547464973
(0, 2) -0.033865977446857085
(1, 2) -0.04086856230889897

Answer 2

如果您关心性能，您可能希望使用合并和矢量化操作。

import numpy as np
import pandas as pd


def haversine_distance(lat1, lon1, lat2, lon2):
    R = 6372800  # Earth radius in meters
    phi1, phi2 = np.radians(lat1), np.radians(lat2)
    dphi = np.radians(lat2 - lat1)
    dlambda = np.radians(lon2 - lon1)

    a = np.sin(dphi / 2) ** 2 + np.cos(phi1) * np.cos(phi2) * np.sin(dlambda / 2) ** 2

    return 2 * R * np.arctan2(np.sqrt(a), np.sqrt(1 - a))


df = pd.DataFrame({
    'cluster': [0, 1, 2],
    'pts': [5, 6, 10],
    'lat': [45, 47, 45],
    'lon': [24, 23, 20],
})

df = pd.merge(df, df, suffixes=('_1', '_2'), how="cross")
df = df[df['cluster_1'] != df['cluster_2']]
df["weight"] = -df['pts_1'] + df['pts_2'] / haversine_distance(df['lat_1'], df['lon_1'], df['lat_2'], df['lon_2'])