Python 如何在坐标上连接数据集？

我正在分析数据集，需要对它们进行比较。这两个数据集各有一个索引和坐标（X，Y）。坐标不相等，因此我需要使用类似于

numpy.isclose

（例如

atol=5

）的函数

我比较的目的是找到类似的y坐标（例如，

y[5]=101

（数据集1），

y2[7]=103

（数据集2））。我需要比较相同索引的x坐标（例如，

x[5]=405（数据集1），x2[7]=401（数据集2）

）

我的问题是我不能将这两个

isclose

函数组合在一起

我试着先比较y坐标，然后比较x坐标。如果是一个单独的比较，函数也会找到其他数据。（例如，

y[5]=101，y2[7]=103；x[5]=405，x[3]=402

）。它需要比较相同的指数（5/5和7/7）

这是可行的，但给出了错误的结果：

yres={i代表yvar中的i，如果numpy.isclose（yvar2，i，atol=5）.any（）}
xres={i代表xvar中的i，如果numpy.isclose（xvar2，i，atol=5）.any（）}

理论上，我在寻找这样的东西：

yres={i代表yvar中的i，如果numpy.isclose（yvar2，i，atol=5）。any（）&i代表xvar中的i，如果numpy.isclose（xvar2，i，atol=5）。any（）}

期望找到具有相似坐标的点 （例如，

y[5]=101，y2[7]=103；x[5]=405，x2[7]=401

）

目前我收到任何类似的数据 （例如，

y[5]=101，y2[7]=103；x[5]=405，x2[3]=402

）

以下输入示例（图1和图2）：

在这张图片中，我需要识别4个点对（索引pict1/索引pict2）：

• 6/9
• 7/8
• 17/13
• 20/14

前言 您的问题与（NNS）有关。 解决这一问题的一种方法是在空间数据库中构建一个类似的数据库

一个简单的解决方案是在中实现的

问题 在这一点上，有必要知道我们想要回答什么问题：

Q1.a）查找数据集B中在给定阈值

atol

（半径）内与a的（距离）点尽可能接近的所有点

或：

Q2.a）查找数据集B中与我的数据集a的每个点相关的

k

最近点

使用KD Tree可以回答这两个问题，我们必须意识到：

• 问题Q1和Q2不同，答案也不同
• Q1可以将0个或多个点映射在一起，无法保证一对一映射
• Q2将精确地将1映射到

  k

  点，保证参考数据集中的所有点都映射到搜索数据集中的

  k

  点（前提是有足够的点）
• Q2.a通常不等同于其对等问题Q2.b（当数据集a和b被置换时）

MCVE 让我们构建一个MCVE来解决这两个问题：

# Parameters
N = 50
atol = 50
keys = ['x', 'y']

# Trials Datasets (with different sizes, we keep it general):
df1 = pd.DataFrame(np.random.randint(0, 500, size=(N-5, 2)), columns=keys).reset_index()
df2 = pd.DataFrame(np.random.randint(0, 500, size=(N+5, 2)), columns=keys).reset_index()

# Spatial Index for Datasets:
kdt1 = KDTree(df1[keys].values, leaf_size=5, metric='euclidean')
kdt2 = KDTree(df2[keys].values, leaf_size=5, metric='euclidean')

# Answer Q2.a and Q2.b (searching for a single neighbour):
df1['kNN'] = kdt2.query(df1[keys].values, k=1, return_distance=False)[:,0]
df2['kNN'] = kdt1.query(df2[keys].values, k=1, return_distance=False)[:,0]

# Answer Q1.a and Q1.b (searching within a radius):
df1['radius'] = kdt2.query_radius(df1[keys].values, atol)
df2['radius'] = kdt1.query_radius(df2[keys].values, atol)

以下是数据集A的结果作为参考：

   index    x    y  kNN    radius
0      0   65  234   39      [39]
1      1  498   49   11      [11]
2      2   56  171   19  [29, 19]
3      3  239   43   20      [20]
4      4  347   32   50      [50]
[...]

此时，我们已经具备了在空间上连接数据所需的一切

最近邻

（k=1）

我们可以使用kNN索引加入我们的数据集：

kNN1 = df1.merge(df2[['index'] + keys], left_on='kNN', right_on='index', suffixes=('_a', '_b'))

它返回：

   index_a  x_a  y_a  kNN    radius  index_b  x_b  y_b
0        0   65  234   39      [39]       39   49  260
1        1  498   49   11      [11]       11  487    4
2        2   56  171   19  [29, 19]       19   39  186
3        3  239   43   20      [20]       20  195   33
4        4  347   32   50      [50]       50  382   32
[...]

   index_a  x_a  y_a  kNN radius  index_b  x_b  y_b
0        0   65  234   39     39       39   49  260
2        1  498   49   11     11       11  487    4
3        2   56  171   19     29       29   86  167
4        2   56  171   19     19       19   39  186
7        3  239   43   20     20       20  195   33
[...]

从图形上看，它导致：

相互的问题是关于：

我们看到映射正是

1

-to-

k=1

参考数据集中的所有点都映射到搜索数据集中的另一个点。但当我们交换引用时，答案会有所不同

半径

atol

我们还可以使用radius索引加入我们的数据集：

rad1 = df1.explode('radius')\
           .merge(df2[['index'] + keys], left_on='radius', right_on='index',
                  suffixes=('_a', '_b'))

它返回：

   index_a  x_a  y_a  kNN    radius  index_b  x_b  y_b
0        0   65  234   39      [39]       39   49  260
1        1  498   49   11      [11]       11  487    4
2        2   56  171   19  [29, 19]       19   39  186
3        3  239   43   20      [20]       20  195   33
4        4  347   32   50      [50]       50  382   32
[...]

   index_a  x_a  y_a  kNN radius  index_b  x_b  y_b
0        0   65  234   39     39       39   49  260
2        1  498   49   11     11       11  487    4
3        2   56  171   19     29       29   86  167
4        2   56  171   19     19       19   39  186
7        3  239   43   20     20       20  195   33
[...]

以图形方式：

相反的答案是等价的：

我们看到答案是相同的，但无法保证一对一的映射。有些点未映射（孤立点），有些点映射到多个点（密集邻域）。此外，它还需要一个额外的参数

atol

，必须针对给定的上下文进行调优

奖金 使用以下函数渲染图形：

def plot(A, B, join, title=''):
    X = join.loc[:,['x_a','x_b']].values
    Y = join.loc[:,['y_a','y_b']].values
    fig, axe = plt.subplots()
    axe.plot(A['x'], A['y'], 'x', label='Dataset A')
    axe.plot(B['x'], B['y'], 'x', label='Dataset B')
    for k in range(X.shape[0]):
        axe.plot(X[k,:], Y[k,:], linewidth=0.75, color='black')
    axe.set_title(title)
    axe.set_xlabel(r'$x$')
    axe.set_ylabel(r'$y$')
    axe.grid()
    axe.legend(bbox_to_anchor=(1,1), loc='upper left')
    return axe

工具书类 一些有用的参考资料：

---

听起来像是集群问题。你能发布输入数据的样本吗。你能提供一些细节吗。您需要最接近的点来连接，还是所有点都在公差范围内（在一个球内）？点之间的距离是否类似于距离

sqrt（（x1-x2）**2+（y1-y2）**2）

，与连接标准相关？距离以像素为单位。我需要在可选择公差范围内的点。你看过吗？我不完全确定我是否了解你的问题，但我认为这正是你在寻找的。这就像熊猫一样，但是你可以使用几何体（点、线或多边形）作为索引，所以像空间连接这样的事情很容易做。谢谢你的详细回复！你说得对，这似乎是我任务的解决办法。我仍然需要比较两个数据集的问题。我得到了两张图片（两组坐标）与前缀索引（不允许更改）进行比较。正如我所看到的，这个方法使用一组坐标并自动给出索引。谢谢这个更新。我仍然看到这样一个问题：这个解决方案将每个点相互比较。我只想比较一下Dataset1和Dataset2。即使为源索引创建cloumn，它也会比较来自同一集合的数据。@Carlo，您打算加入多少个点？另一种使用GIS索引的方法见此，这是一种随机的方法。这些数据集没有显微镜图片。理论上，这些点应该相互覆盖，或者在它们之间应该有一段距离。事实上，这两张图片是用不同的滤镜制作的，因此点的强度和大小不同。由于尺寸不同，中心坐标略有不同。所以我在两张图片中寻找位置几乎相同的点。@Carlo，我已经满足了您在两个数据集之间分割数据的要求。现在由您选择最适合您的方法。干杯