Python 获取行的最小值并存储相应的索引

我有一个存储为熊猫数据帧

df

的距离矩阵，其中包含400对坐标之间的距离，单位为公里，如下所示：

        0          1            2           3          4    ....
0   0.000000    1.740838    2.496827    2.577736    1.698938
1   1.740838    0.000000    1.373490    1.741935    1.261969
2   2.496827    1.373490    0.000000    0.420828    0.812797
3   2.577736    1.741935    0.420828    0.000000    1.131974
4   1.698938    1.261969    0.812797    1.131974    0.000000
.
.
.

我感兴趣的是每个点的下一个最近坐标有多近，我得到的是：

df[df>0]。最小值（轴=1）

这表示到下一个最近点的距离，单位为KM。我还想存储下一个最近点的索引，以便：

     nearest_dist  nearest_id
0      0.074083       3
1      0.004708       151
2      0.119431       7
3      0.167242       4
4      0.018095       81

---

stack

然后

groupby

+

idxmin

对序列进行切片

s = df.rename_axis(columns='nearest_id').stack().loc[lambda x: x > 0]
s = (s.loc[s.groupby(level=0).idxmin()]
      .to_frame('nearest_dist')
      .reset_index(-1))

---

---

还可以从numpy构建数据帧

arr = df.where(df > 0).to_numpy()

pd.DataFrame({'nearest_id': np.nanargmin(arr, 1), 
              'nearest_dist': np.nanmin(arr, 1)},
             index=df.index)

---

stack

然后

groupby

+

idxmin

对序列进行切片

s = df.rename_axis(columns='nearest_id').stack().loc[lambda x: x > 0]
s = (s.loc[s.groupby(level=0).idxmin()]
      .to_frame('nearest_dist')
      .reset_index(-1))

---

---

还可以从numpy构建数据帧

arr = df.where(df > 0).to_numpy()

pd.DataFrame({'nearest_id': np.nanargmin(arr, 1), 
              'nearest_dist': np.nanmin(arr, 1)},
             index=df.index)

---

您可以使用

concat

和您在

min

中使用的相同想法，但在

idxmin

中使用

m = df>0
res = pd.concat([df[m].min(axis=1), df[m].idxmin(axis=1)], 
                axis=1, keys=['nearest_dist','nearest_id'])

print(res)
   nearest_dist nearest_id
0      1.698938          4
1      1.261969          4
2      0.420828          3
3      0.420828          2
4      0.812797          2

或者更简单地使用

agg

res = (df[m].agg(['min', 'idxmin'], axis=1)
            .rename(columns={'min':'nearest_dist', 'idxmin':'nearest_id'}))

---

您可以使用

concat

和您在

min

中使用的相同想法，但在

idxmin

中使用

m = df>0
res = pd.concat([df[m].min(axis=1), df[m].idxmin(axis=1)], 
                axis=1, keys=['nearest_dist','nearest_id'])

print(res)
   nearest_dist nearest_id
0      1.698938          4
1      1.261969          4
2      0.420828          3
3      0.420828          2
4      0.812797          2

或者更简单地使用

agg

res = (df[m].agg(['min', 'idxmin'], axis=1)
            .rename(columns={'min':'nearest_dist', 'idxmin':'nearest_id'}))

---

非常感谢。后一个简化版非常好用。谢谢！后一个简化版本非常好用。谢谢你-这个也很好用。谢谢你-这个也很好用。