ValueError报错解决：无循环实现Pandas中邻域均值赋值

你遇到的问题根源在于：indices_Neighbors返回的是每个元素为索引列表的数组，直接用iloc取这些索引再求均值会生成一个序列的序列，而DataFrame的列需要一维数组，因此触发了ValueError。不用写显式循环的话，我们可以利用Pandas/Numpy的向量化操作高效解决这个问题。

完整修正代码 #

首先确保导入所需库：

import numpy as np
import pandas as pd
from sklearn.neighbors import BallTree

定义你的原始数据：

# 坐标数组
Coordinates = np.array([[1000, 1000,10],[1003, 1003,10],[1004, 1004,10],[1002, 1002,10],[1001, 1001,10]])
# 存储变量值的DataFrame
d = {"Values": [0.25, 0.24,0.23,0.3,0.22]}
df = pd.DataFrame(data=d)

构建BallTree并获取邻域索引：

treeBall_Neighbors = BallTree(Coordinates, leaf_size=2)
indices_Neighbors = treeBall_Neighbors.query_radius(Coordinates, r=2)

关键一步：计算邻域均值并赋值到新列

# 用take提取每个邻域的Values，再按行求均值
df["Neighbors_Values"] = df["Values"].take(indices_Neighbors).mean(axis=1)

验证结果 #

运行print(df)会得到你预期的输出：

Values  Neighbors_Values
0    0.25           0.235000
1    0.24           0.256667
2    0.23           0.235000
3    0.30           0.253333
4    0.22           0.256667

原理说明 #

• df["Values"].take(indices_Neighbors)会自动识别索引列表的结构，提取每个点邻域对应的Values，生成一个二维的Series（每行对应原DataFrame中一个点的邻域值）。
• .mean(axis=1)指定对每一行（即每个点的邻域）计算均值，最终得到一个一维数组，正好可以直接赋值给DataFrame的新列。

如果你追求极致效率，也可以用Numpy的原生操作实现（本质是隐式循环，但比手动写for循环快）：

values_array = df["Values"].to_numpy()
neighbors_means = np.array([values_array[idx].mean() for idx in indices_Neighbors])
df["Neighbors_Values"] = neighbors_means

内容的提问来源于stack exchange，提问作者Sadae