You need to enable JavaScript to run this app. Pandas按ID分组计算粒子坐标相对所属组中心的径向距离R
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.24 18:15:08