Pandas按ID分组计算粒子坐标相对所属组中心的径向距离R
实现方案
方法1:分组聚合后拼接(和你现有的中心计算逻辑完全兼容)
- 第一步:按你给出的逻辑生成每个粒子组的中心坐标表
import numpy as np # 计算每个id对应的x、y均值(组中心) df2 = df.groupby('id', as_index=False)[['x', 'y']].mean() df2.columns = ['id', 'x_c', 'y_c']
- 第二步:按id关联回原表
df = df.merge(df2, on='id', how='left')
- 第三步:计算径向距离,清理中间列
# 按定义计算距离R df['R'] = np.sqrt((df['x'] - df['x_c']) ** 2 + (df['y'] - df['y_c']) ** 2) # 不需要保留中间中心列时,执行删除 df = df.drop(columns=['x_c', 'y_c'])
方法2:transform广播实现(无需手动拼接,适合百万行级大表)
数据量大时可以避免merge的额外开销,直接把分组均值广播回原表每一行:
import numpy as np # 按id分组计算均值,直接对应回原表每行 group_xy_mean = df.groupby('id')[['x', 'y']].transform('mean') # 计算R df['R'] = np.sqrt((df['x'] - group_xy_mean['x']) ** 2 + (df['y'] - group_xy_mean['y']) ** 2)
注意:如果
id列存在空值,默认情况下空值对应的行不会被分组。如果需要保留这部分行(R自动设为NaN),可以在groupby时加参数dropna=False,例如df.groupby('id', dropna=False)[['x', 'y']].transform('mean')。
内容的提问来源于stack exchange,提问作者fslack
相关产品推荐
相关产品推荐

