Перебирать группы координат панд и вычислять расстояния - PullRequest
Новая
       15

Перебирать группы координат панд и вычислять расстояния

0 голосов
/ 15 октября 2018

У меня есть набор данных CSV, который выглядит следующим образом: 

    created_date,latitude,longitude
"2018-10-02 16:52:54",20.56314546,-100.40871983
"2018-10-07 18:06:37",20.56899227,-100.40879701
"2018-10-08 11:55:31",20.57479211,-100.39687493
"2018-10-08 11:55:31",20.58076244,-100.36075875
"2018-10-08 11:55:31",20.60529101,-100.40951731
"2018-10-08 11:55:31",20.60783806,-100.37852743
"2018-10-09 18:10:00",20.61098901,-100.38008197
"2018-10-09 18:10:00",20.61148848,-100.40851908
"2018-10-09 18:10:00",20.61327334,-100.34415272
"2018-10-09 18:10:00",20.61397514,-100.33583425

Я пытаюсь использовать панды, чтобы разделить данные на группы по дате, а затем хотел бы перебрать каждую группу и вычислить расстояние междуlat, long в каждой группе, использующей функцию haversine, которая принимает 2 координаты в качестве параметров.

Для этого мне нужно вычислить расстояние, скажем, coord1 with coord2, coord 2 with coord 3 and so on (from the group)

Я хочу сделать это, чтобы рассчитать среднее пройденное расстояние.Затем мне нужно сложить расстояния и разделить их на количество групп.

С пандами мне удалось разделить данные на группы, но я не уверен, как перебирать эти группы, исключая группы(скажем "2018-10-02 16:52:54"), у которого нет 2 координат для вычисления расстояния от.

Мой текущий скрипт на python выглядит следующим образом: 

col_names = ['date', 'latitude', 'longitude']
data = pd.read_csv('dataset.csv', names=col_names, sep=',', skiprows=1)
grouped = data.groupby('date')
for index, item in grouped:

Любое руководство приветствуется, у меня есть общее представление о том, как это сделать, но я не уверен, могут ли помочь такие инструменты, как zipмне через это.

1 Ответ

0 голосов
/ 15 октября 2018

Вот один из вариантов.Это включает в себя выполнение огромного слияния внутри групп, давая все попарные комбинации.Затем удалите все те же слияния строк, и вы можете вычислить расстояния один раз. 

import pandas as pd
import numpy as np

def haversine(lon1, lat1, lon2, lat2):
    # convert degrees to radians 
    lon1 = np.deg2rad(lon1)
    lat1 = np.deg2rad(lat1)
    lon2 = np.deg2rad(lon2)
    lat2 = np.deg2rad(lat2)

    # formula 
    dlon = lon2 - lon1 
    dlat = lat2 - lat1 
    a = np.sin(dlat/2)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2)**2
    c = 2 * np.arcsin(np.sqrt(a)) 
    r_e = 6371 
    return c * r_e

Код: 

# merge
m = df.reset_index().merge(df.reset_index(), on='created_date')

# remove comparisons of the same event
m = m[m.index_x != m.index_y].drop(columns = ['index_x', 'index_y'])

# Calculate Distance
m['Distance'] = haversine(m.longitude_x, m.latitude_x, m.longitude_y, m.latitude_y)

Выход: m

           created_date  latitude_x  longitude_x  latitude_y  longitude_y  Distance
3   2018-10-08 11:55:31   20.574792  -100.396875   20.580762  -100.360759  3.817865
4   2018-10-08 11:55:31   20.574792  -100.396875   20.605291  -100.409517  3.637698
5   2018-10-08 11:55:31   20.574792  -100.396875   20.607838  -100.378527  4.141211
...
30  2018-10-09 18:10:00   20.613975  -100.335834   20.610989  -100.380082  4.617105
31  2018-10-09 18:10:00   20.613975  -100.335834   20.611488  -100.408519  7.569825
32  2018-10-09 18:10:00   20.613975  -100.335834   20.613273  -100.344153  0.869261

Чтобы получитьсреднее значение за дату: 

m.groupby('created_date').Distance.mean()

#created_date
#2018-10-08 11:55:31    4.021623
#2018-10-09 18:10:00    4.411060
#Name: Distance, dtype: float64

Поскольку мы подставили объединенное значение DataFrame ранее, это обеспечит вывод только для created_dates с более чем 1 измерением.

Чтобы объединить date вместо точного времени: 

df['created_date'] = pd.to_datetime(df.created_date)
df['ng'] = df.groupby(df.created_date.dt.date).ngroup()

m = df.reset_index().merge(df.reset_index(), on='ng')
m = m[m.index_x != m.index_y].drop(columns = ['index_x', 'index_y'])

...
...