我有一段代码,用于测量 XY
坐标之间的距离,但我希望通过使用 pandas
来使其更加高效。
假设我有一些被测对象的 XY
坐标:
id_X = [1,2,7,19] #Subject 1
id_Y = [2,5,5,7] #Subject 1
cd_X = [3,3,8,20] #Subject 2
cd_Y = [2,5,6,7] #Subject 2
我希望能够测量这些主题与另一个重要的XY
坐标之间的距离:
Factor_X = [10,20,30,20] #Important XY
Factor_Y = [2,5,6,7] #Important XY
为了获取第一个主题的距离,我使用以下方法并遍历每一行。
dist = math.sqrt(((id_X[0] - Factor_X[0])**2)+((id_Y[0] - Factor_Y[0])**2))
为了获取第二个对象的距离,我需要交换
id_X
和id_Y
为cd_X
和cd_Y
。如果我有很多对象,这种方法就会变得非常低效。因此,我正在尝试通过
pandas
实现相同的概念。以下是我的尝试:
d = ({
'id_X' : [1,2,7,19],
'id_Y' : [2,5,5,7],
'cd_X' : [3,3,8,20],
'cd_Y' : [2,5,6,7],
'Factor_X' : [10,20,30,20],
'Factor_Y' : [2,5,6,7],
})
df = pd.DataFrame(data= d)
df['distance'] = math.sqrt(((df['id_X']-df['Factor_X'])**2)+((df['id_Y']-df['Factor_Y'])**2))
df['distance'] = math.sqrt(((df['cd_X']-df['Factor_X'])**2)+((df['cd_Y']-df['Factor_Y'])**2))
但是这会返回一个错误:
TypeError: cannot convert the series to <class 'float'>
预期输出:
id_X id_Y cd_X cd_Y Factor_X Factor_Y id_distance cd_distance
0 1 2 3 2 10 2 9 7
1 2 5 3 5 20 5 18 17
2 7 5 8 6 30 6 23 22
3 19 7 20 7 20 7 1 0
这种方法可行吗?它是否会创造出更加高效的时间管理方法?