如何根據從一個數據框到另一個數據框的2個鍵找到最接近的匹配項？

我有2個數據框正在使用。一個有一堆位置和座標（經度，緯度）。另一個是天氣數據集，其中包含來自世界各地氣象站的數據和它們各自的座標。我正嘗試將最近的氣象站連接到我的數據集中的每個位置。氣象站名稱和我的位置名稱不匹配。如何根據從一個數據框到另一個數據框的2個鍵找到最接近的匹配項？

我試圖通過座標中最接近的匹配來連接它們，並且不知道從哪裏開始。

我在想一些使用每個

位置

np.abs((location['latitude']-weather['latitude'])+(location['longitude']-weather['longitude'])

例子的...

Location Latitude Longitude Component \ 
    A 39.463744 -76.119411 Active 
    B 39.029252 -76.964251 Active 
    C 33.626946 -85.969576 Active 
    D 49.286337 10.567013 Active 
    E 37.071777 -76.360785 Active

天氣...

 Station Code    Station Name Latitude Longitude 
    US1FLSL0019 PORT ST. LUCIE 4.0 NE 27.3237 -80.3111 
    US1TXTV0133   LAKEWAY 2.8 W 30.3597 -98.0252 
    USC00178998     WALTHAM 44.6917 -68.3475 
    USC00178998     WALTHAM 44.6917 -68.3475 
    USC00178998     WALTHAM 44.6917 -68.3475

輸出將是位置數據框上的一個新列，與站名最接近匹配

但是，我不確定如何通過循環來實現這一點。任何幫助將不勝感激..

感謝，斯科特

來源

2016-04-25 sokeefe1014

你能給出你的2個data.frames和期望的輸出樣本嗎？ –

除非你特別想用python來做，否則你應該考慮使用postGIS查詢，它們對你的情況來說可以非常快。 – CoderBC

經過更新以反映每個數據幀的樣本以及期望的輸出 – sokeefe1014

比方說你有，你希望儘量減少距離函數dist：

def dist(lat1, long1, lat2, long2): 
    return np.abs((lat1-lat2)+(long1-long2))

對於給定的位置，你可以找到最近的車站如下：

lat = 39.463744 
long = -76.119411 
weather.apply(
    lambda row: dist(lat, long, row['Latitude'], row['Longitude']), 
    axis=1)

這將計算到所有氣象站的距離。使用idxmin你可以找到最近的車站名稱：

distances = weather.apply(
    lambda row: dist(lat, long, row['Latitude'], row['Longitude']), 
    axis=1) 
weather.loc[distances.idxmin(), 'StationName']

讓我們把所有的功能：

def find_station(lat, long): 
    distances = weather.apply(
     lambda row: dist(lat, long, row['Latitude'], row['Longitude']), 
     axis=1) 
    return weather.loc[distances.idxmin(), 'StationName']

現在，您可以通過它應用到locations數據框得到所有的最近的車站：

locations.apply(
    lambda row: find_station(row['Latitude'], row['Longitude']), 
    axis=1)

輸出：

0   WALTHAM 
1   WALTHAM 
2 PORTST.LUCIE 
3   WALTHAM 
4 PORTST.LUCIE

來源

2016-04-25 14:59:49 IanS

爲兩點之間的最小距離緯度/經度，它應該是sqrt（（x1-x2）^ 2 +（y1-y2）^ 2）'。這仍然是考慮一架飛機，更具體地說，在球體上，應該是一些不同的公式。 – CoderBC

欣賞答案！仍在最後確定，以確保一切正常。我確實需要更新dist函數，以便在緯度計算周圍有一個np.abs，然後再圍繞經度計算。有些時候，如果緯度偏離正值，經度偏離負值，他們就會抵消並給我一些甚至不那麼接近的東西。除此之外，我相信它完美地起作用。那麼我會將輸出合併到索引上的位置數據框？ – sokeefe1014

@ sokeefe1014將結果包含在原始數據幀中的最佳方式可能類似於'locations ['closest_station'] = locations.apply（lambda row：...，axis = 1）''。 – IanS

所以我明白這有點亂，但我用了類似的方法來匹配表格之間的基因數據。它依賴於位置文件的經度和緯度在天氣文件中的5個之內，但是如果需要的話可以改變它們。

rows=range(location.shape[0]) 
weath_rows = range(weather.shape[0]) 
for r in rows: 
    lat = location.iloc[r,1] 
    max_lat = lat +5 
    min_lat = lat -5 
    lon = location.iloc[r,2] 
    max_lon = lon +5 
    min_lon = lon -5 
    for w in weath_rows: 
     if (min_lat <= weather.iloc[w,2] <= max_lat) and (min_lon <= weather.iloc[w,3] <= max_lon): 
      location['Station_Name'] = weather.iloc[w,1]

來源

2016-04-25 15:17:58 EllieFev

如何根據從一個數據框到另一個數據框的2個鍵找到最接近的匹配項？

回答

相關問題