Нахождение расстояний от каждой точки до остальных, зацикливание

Question

Я новичок в python. У меня есть CSV-файл, содержащий 400 пар х и у в двух столбцах. Я хочу l oop поверх данных, чтобы они начинались с пары (x_i, y_i) и находили расстояние между этой парой и остальными 399 точками. Я хочу, чтобы процесс повторялся для всех пар (x_i, y_i), а результат добавлялся в список Dist_i

import pandas as pd
x_y_data = pd.read_csv("x_y_points400_labeled_csv.csv")

x = x_y_data.loc[:,'x']
y = x_y_data.loc[:,'y']


i=0
j=0
while (i<len(x)):
    Dist=np.sqrt((x[i]-x)**2 + (y[j]-y)**2)
    i = 1 + i 
    j = 1 + j
print(Dist)

вывод:

0      676.144955
1      675.503342
2      674.642602
..
396      9.897127
397     21.659654
398     15.508062
399      0.000000
Length: 400, dtype: float64

Это как далеко я зашел, но это не то, что я намерен получить. Моя цель - получить что-то похожее на картинку.
Спасибо за вашу помощь заранее

введите описание изображения здесь

Answer 1

Вы можете использовать broadcasting (arr[:, None]), чтобы выполнить все вычисления одновременно. Это даст вам повторяющиеся расчеты, которые вы хотите. В противном случае scipy.spatial.distance.pdist дает вам верхний треугольник вычислений.

Пример данных

import pandas as pd
import numpy as np

np.random.seed(123)
N = 6
df = pd.DataFrame(np.random.normal(0, 1, (N, 2)), 
                  columns=['X', 'Y'],
                  index=[f'point{i}' for i in range(N)])

---

x = df['X'].to_numpy()
y = df['Y'].to_numpy()

result = pd.DataFrame(np.sqrt((x[:, None] - x)**2 + (y[:, None] - y)**2),
                      index=df.index,
                      columns=df.index)

---

          point0    point1    point2    point3    point4    point5
point0  0.000000  2.853297  0.827596  1.957709  3.000780  1.165343
point1  2.853297  0.000000  3.273161  2.915990  1.172704  1.708145
point2  0.827596  3.273161  0.000000  2.782669  3.121463  1.749023
point3  1.957709  2.915990  2.782669  0.000000  3.718481  1.779459
point4  3.000780  1.172704  3.121463  3.718481  0.000000  2.092455
point5  1.165343  1.708145  1.749023  1.779459  2.092455  0.000000

---

С scipy.

from scipy.spatial.distance import pdist

pdist(df[['X', 'Y']])
array([2.8532972 , 0.82759587, 1.95770875, 3.00078036, 1.16534282,
       3.27316125, 2.91598992, 1.17270443, 1.70814458, 2.78266933,
       3.1214628 , 1.74902298, 3.7184812 , 1.77945856, 2.09245472])

Чтобы превратить это в приведенный выше фрейм данных.

L = len(df)

arr = np.zeros((L, L))     
arr[np.triu_indices(L, 1)] = pdist(df[['X', 'Y']])
arr = arr + arr.T # Lower triangle b/c symmetric

pd.DataFrame(arr, index=df.index, columns=df.index)

          point0    point1    point2    point3    point4    point5
point0  0.000000  2.853297  0.827596  1.957709  3.000780  1.165343
point1  2.853297  0.000000  3.273161  2.915990  1.172704  1.708145
point2  0.827596  3.273161  0.000000  2.782669  3.121463  1.749023
point3  1.957709  2.915990  2.782669  0.000000  3.718481  1.779459
point4  3.000780  1.172704  3.121463  3.718481  0.000000  2.092455
point5  1.165343  1.708145  1.749023  1.779459  2.092455  0.000000