修复Pandas与固定值计算欧氏距离时的维度错误问题

问题原因 #

你遇到的错误核心在于currency.bc.values返回的是一维的object数组（每个元素是一个元组），而scipy.spatial.distance.cdist要求输入必须是二维数值数组（每一行代表一个坐标点）。你单独测试cdist([l['bc']], [l['bc']])能成功，是因为两边都是包含单个元组的列表，cdist会自动将其解析为二维结构；但currency.bc.values的结构不符合要求，所以触发了错误。

解决方案 #

我们只需要把bc列的元组数据转换成标准的二维数值数组，就能正常使用cdist计算欧氏距离了。下面是完整的实现步骤：

1. 转换bc列为二维数组
   用tolist()把每个元组转成列表，再通过np.array生成(n,2)的二维数组（n是DataFrame的行数）：

   import numpy as np
   from scipy.spatial.distance import cdist
   
   # 把bc列的元组转换成二维数值数组
   bc_coords = np.array(currency['bc'].tolist())
   

2. 定义固定点并计算距离
   固定点需要用列表包裹（让cdist识别为二维输入），然后计算所有点到固定点的欧氏距离：

   # 你的固定目标点
   fixed_point = (2126.5, 2657.0)
   
   # 计算所有距离，[0]用来提取一维的距离数组
   distances = cdist([fixed_point], bc_coords, 'euclidean')[0]
   

3. 找到最短距离及对应行
   用np.min获取最短距离，np.argmin找到对应的索引，再用iloc提取该行数据：

   min_distance = np.min(distances)
   min_distance_index = np.argmin(distances)
   closest_row = currency.iloc[min_distance_index]
   
   print(f"最短欧氏距离: {min_distance:.2f}")
   print("距离最近的行数据:")
   print(closest_row)
   

完整示例代码 #

import pandas as pd
import numpy as np
from scipy.spatial.distance import cdist

# 模拟你的DataFrame数据
data = {
    'Stype': [45,46,47,60,61,62,63,64,68,162],
    'h': ['currency']*10,
    'line': [38,38,39,39,39,39,40,39,39,30],
    'y': [1344,1343,1342,2718,2717,2718,2716,2715,2874,3311],
    'y2': [1382,1381,1381,2757,2756,2757,2756,2754,2913,3341],
    'bc': [(1731.0, 1363.0), (2015.0, 1362.0), (2267.5, 1361.5), (488.0, 2737.5), 
           (813.5, 2736.5), (1332.5, 2737.5), (1821.5, 2736.0), (2286.5, 2734.5), 
           (2287.5, 2893.5), (1104.5, 3326.0)]
}
currency = pd.DataFrame(data)

# 固定目标点
fixed_point = (2126.5, 2657.0)

# 转换bc列为二维数组
bc_coords = np.array(currency['bc'].tolist())

# 计算欧氏距离
distances = cdist([fixed_point], bc_coords, 'euclidean')[0]

# 获取最短距离和对应行
min_dist = np.min(distances)
closest_row = currency.iloc[np.argmin(distances)]

# 输出结果
print(f"最短欧氏距离: {min_dist:.2f}")
print("对应的行数据:")
print(closest_row)

额外提示 #

如果你的bc列里存在非元组的无效值，建议先做数据清洗：

# 过滤掉bc列不是元组的行
currency = currency[currency['bc'].apply(lambda x: isinstance(x, tuple))]

内容的提问来源于stack exchange，提问作者Manu64