Python 针对dataframe2中的所有行对dataframe1的每一行执行的操作
我的代码似乎可以完成这项工作,但我很难理解这个过程 我有两个名为nodes_df,rents_df的数据帧 租金:Python 针对dataframe2中的所有行对dataframe1的每一行执行的操作,python,pandas,Python,Pandas,我的代码似乎可以完成这项工作,但我很难理解这个过程 我有两个名为nodes_df,rents_df的数据帧 租金: lng lat 0 137.014525 27.142947 1 117.130288 17.813582 2 116.926154 47.886767 3 137.014442 37.578488 4 154.063238 57.568705 节点(df): lng lat
lng lat
0 137.014525 27.142947
1 117.130288 17.813582
2 116.926154 47.886767
3 137.014442 37.578488
4 154.063238 57.568705
节点(df):
lng lat Location
0 124.044525 43.542947 A
1 147.110288 65.513582 B
2 136.936154 31.556767 C
3 147.464442 33.508488 D
4 157.163238 12.508705 E
对于位置“A”,我想比较位置“A”内每行的距离,如果创建一列,其中包括位置“A”内100m的位置“A”内每行的行数
我正在使用
def haversine_np(lon1, lat1, lon2, lat2):
"""
Calculate the great circle distance between two points
on the earth (specified in decimal degrees)
"""
lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
dlon = lon2 - lon1
dlat = lat2 - lat1
a = np.sin(
dlat / 2.0)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon / 2.0)**2
c = 2 * np.arcsin(np.sqrt(a))
km = 6371 * c
return km
nodes_df['count'] = nodes_df.apply(lambda row: sum(haversine_np(row.lng, row.lat, rents_df.lng, rents_df.lat)< 0.1), axis=1)
但我想确定我是否可以信任count列。
4157.163238 12.508705 E
lng lat Location count
0 124.044525 43.542947 A 2
1 147.110288 65.513582 B 4
2 136.936154 31.556767 C 1
3 147.464442 33.508488 D 3