Python 检查坐标数据帧的多个切片之间的最小距离

有两组单元格ID为的列表

A = [4, 6, 2493, 2494, 2495]
B = [3, 7, 4983, 4982, 4984, 4981, 4985, 2492, 2496]

上面列表中的每个单元格在df中的单独列中都有

X，Y

坐标

df

其中

A

，

B

列表中的值是

单元格id

列中的值。我如何才能找到A和B中单元格之间距离的

和

，但首先查看

A中单元格与
B
的关系？因此，我必须计算A中每个单元格的5（A长度）距离，取这5个单元格的
min（）
，取这9个min值的
sum（）。我希望这是有道理的

我的想法如下：

从列表A中获取第一个值（这是id=4的单元格），并计算B中所有单元格之间的距离，然后仅获取
min
值
对A中的所有其他值重复步骤1
对所有距离进行求和（
）
我尝试了下面的代码。。。但失败了

def sum_distances(df, i, col_X='X', col_Y='Y'):
    for i in range(A)    
    return  (((df.iloc[B][col_X] - df.iloc[i,2])**2 + (df.iloc[B][col_Y] - df.iloc[i,3])**2)**0.5).min

我不知道如何同时集成
min（）
和
sum（）
。
如果我没有弄错的话，您正在寻找答案。以下是一种可能的方法（基于此）

以OP的相同格式生成一些虚拟数据

import pandas as pd
import numpy as np

A = [0, 1, 2, 3, 4]
B = [10, 11, 12, 13, 14, 9, 8, 7, 6]

df = pd.DataFrame(np.random.rand(15,2), columns=['X','Y'], index=range(15))
df.index.name = 'CellID'
print('Raw data\n{}'.format(df))

Raw data
               X         Y
CellID                    
0       0.125591  0.890772
1       0.754238  0.644081
2       0.952322  0.099627
3       0.090804  0.809511
4       0.514346  0.041740
5       0.678598  0.230225
6       0.594182  0.432634
7       0.005777  0.891440
8       0.925187  0.045035
9       0.903591  0.238609
10      0.187591  0.255377
11      0.252635  0.149840
12      0.513432  0.972749
13      0.433606  0.550940
14      0.104991  0.440052

获得B和A的每个索引之间的最小距离

# Get df at indexes from list A: df_A
df_A = df.iloc[A,]
# For df at each index from list B (df.iloc[b,]), get distance to df_A: d
dist = []
for b in B:
    d = (pd.DataFrame(df_A.values - df.iloc[b,].values)**2).sum(1)**0.5
    dist.append(d.min())

print('Sum of minimum distances is {}'.format(sum(dist)))

Sum of minimum distances is 2.36509386378

输出（用于B和A的每个索引之间的最小距离之和）

您好，您提供了
df
列
cellID，X，Y
。是否有两个这样的数据帧-例如
df1
和
df2
，每个都有
cellID、X、Y
列？而且，在我看来，列表A和B分别保存数据帧
df1
和
df2
的索引。这是正确的吗？如果是这样的话，如果你想知道A和B中单元格之间的距离，列表A和列表B不应该是相同的长度吗？嗨！只有一个df，所有单元id的所有距离都位于其中。关于第二条评论，你是对的。我将重新编辑这个问题。我只是在寻找B中的单元格的最短距离，但是在AIs中的单元格的距离是你必须使用的距离方程：
sqrt（（X_A-X_B）**2+（Y_A-Y_B）**2）
Yes
math.sqrt起初不起作用，所以我使用了
**0.5
非常感谢！很好！如果可以的话，在过去的两个小时里，我一直在疯狂地尝试，如果我尝试多次重复这种方法，它需要进行什么样的重组？不是在您编写解决方案时的A和B之间，而是在其他列表之间，例如，原始列表A是小区5的相邻小区列表，类似的B是其他一些小区的相邻小区id。您提出的简洁解决方案非常适合1个案例。我们如何计算这些列表中的更多内容？
Sum of minimum distances is 2.36509386378