|
给定一个矩阵，计算距离矩阵是一个非常常见的需求，比如给定一个特征矩阵需要计算距离矩阵。自己写的话虽然简单每次写也往往很烦，而且自己写的代码效率过低了，使用scipy中的包的话无疑会好一点，具体来说，使用scipy.spatial.distance，该包的具体介绍可以看一下官网和这个博客。 下面贴一个我写的基于经纬度矩阵，计算两两间的距离的代码： 具体矩阵的形式是一个dataframe，一列是经度，一列是纬度，如下图所示，下面代码中的cam就是这个dataframe。 
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.spatial.distance import pdist
from scipy import spatial
import math
# 定义通过经纬度计算直线距离的函数
from math import radians, cos, sin, asin, sqrt
def geodistance(lng1,lat1,lng2,lat2):
if lng1 == None or lng2 == None or lat1 == None or lat2 == None:
return 999999
elif (lng1 121) or (lng2 121) or (lat1 30) or (lat2 30):
return 999999
lng1 = float(lng1) ; lng2 = float(lng2) ; lat1 = float(lat1) ; lat2 = float(lat2)
lng1,lat1,lng2,lat2 = map(radians,[lng1,lat1,lng2,lat2])
dlon = lng2-lng1
dlat = lat2-lat1
a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
distance = 2* asin(sqrt(a))*6371*1000
distance = round(distance/1000,3)
return distance
def caldis(u,v):
# 计算输入矩阵中两个向量的距离
return geodistance(u[0],u[1],v[0],v[1])
# 将cam转化为向量的形式
X = cam.values
X_mat = spatial.distance.squareform(pdist(X , metric=caldis))
上面代码得到的X_mat就是每两个经纬度点之间的直线距离了。 下面我还希望求出这个距离矩阵中每一行中距离小于等于1的个数,并将这个个数保存到dataframe cam中去，代码如下：
def sma1(ser):
return (len(ser[ser |