Python 如何将高程合并到熊猫的欧几里德距离矩阵中？

我在熊猫中有以下

dataframe

：

import pandas as pd

df = pd.DataFrame({
    "CityId": {
        "0": 0, 
        "1": 1, 
        "2": 2, 
        "3": 3, 
        "4": 4
    }, 
    "X": {
        "0": 316.83673906150904, 
        "1": 4377.40597216624, 
        "2": 3454.15819771172, 
        "3": 4688.099297634771, 
        "4": 1010.6969517482901
    }, 
    "elevation_meters": {
        "0": 1, 
        "1": 2, 
        "2": 3, 
        "3": 4, 
        "4": 5
    }, 
    "Y": {
        "0": 2202.34070733524, 
        "1": 336.602082171235, 
        "2": 2820.0530112481106, 
        "3": 2935.89805580997, 
        "4": 3236.75098902635
    }
})

我试图创建一个距离矩阵，表示在每个

城市ID

之间移动的成本。使用

scipy.space.distance

中的

pdist

和

squareform

，我可以执行以下操作：

from scipy.spatial.distance import pdist, squareform

df_m = pd.DataFrame(
    squareform(
        pdist(
            df[['CityId', 'X', 'Y']].iloc[:, 1:],
            metric='euclidean')
    ),
    index=df.CityId.unique(),
    columns= df.CityId.unique()
)

这为我提供了所有

城市ID

之间的距离矩阵，使用从

pdist

计算的成对距离

---

我想将

高程\u米

合并到该距离矩阵中。这样做的有效方法是什么？

您可以尝试

scipy.space.distance\u matrix

：

xx = df[['X','elevation_meters', 'Y']]
pd.DataFrame(distance_matrix(xx,xx), columns= df['CityId'],
             index=df['CityId'])

输出：

CityId  0               1                2              3               4
CityId                  
0       0.000000        4468.691544     3197.555070     4432.386687     1245.577226
1       4468.691544     0.000000        2649.512402     2617.799439     4443.602402
2       3197.555070     2649.512402     0.000000        1239.367465     2478.738402
3       4432.386687     2617.799439     1239.367465     0.000000        3689.688537
4       1245.577226     4443.602402     2478.738402     3689.688537     0.000000

---

涉及高度米的距离公式是什么？它是jut

z

坐标吗？它只是一个以米为单位的值，可以添加到成对距离中。如果有帮助的话，它可以被制作成一个

z

坐标。那么，在上面的公式中，是什么阻止了你把它带进来呢？谢谢，这似乎是可行的。我仍在试图理解scipy.spatial.distance_matrix，它是如何区分纬度/经度和海拔的？一般来说，

z

坐标不是以米/公里为单位的高度吗？为什么<代码>海拔2米/代码>位于中间？简而言之，它只看每一行并计算距离<代码> Sqt（（x1-x2）** +（Z1-Z2）** 2 +（y1-y2）** 2）< /代码>。关于为什么<代码>海拔×＜代码>出现在中间，我不知道。也许你应该问一下数据的创建者。关于

高程_米

，我指的是

scipy.space.distance_matrix

函数中的位置放置，以及它是否重要，特别是考虑到纬度和经度以地理坐标表示，海拔以米为单位。从公式中可以看出，顺序并不重要。您可以通过

[X，elev，Y]

或

[X，Y，elev]

仍然可以得到相同的答案。在这种情况下，似乎

方形（pdist（df[[X'，'elevation\u meters'，'Y']）==距离矩阵（xx，xx）