该功能专门设计用于对轨迹数据(即(x,y)坐标)进行操作.
该函数有两个参数：
第一个参数是(x,y)点的元组列表,
第二个是常数.
可以说明如下：
line = [(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1),(0,0)]
xyz(line, 5.0) #calling the function
输出：
[(0, 0), (2, 0), (2, 2), (0, 2), (0, 0)]
当只有一行时,可以很容易地实现这一点.但是我有一个巨大的 dataframe 架,如下所示：
id x y x,y
0 1 0 0 (0,0)
1 1 1 0 (1,0)
2 1 2 0 (2,0)
3 1 2 1 (2,1)
4 1 2 2 (2,2)
5 1 1 2 (1,2)
6 2 1 3 (1,3)
7 2 1 4 (1,4)
8 2 2 3 (2,3)
9 2 1 2 (1,2)
10 3 2 5 (2,5)
11 3 3 3 (3,3)
12 3 1 9 (1,9)
13 3 4 6 (4,6)
在上述 dataframe 中,具有相同“ id”的行形成一条单独的轨迹/线的点.我想为每行实现上述功能.
我们可以从df中观察到3条ID为1,2,3的不同轨迹.轨迹1在行(0-5)中具有其x,y值,轨迹2在行(6-9)中具有其点,依此类推.
如何为每行实现函数“ xyz”,并且由于该函数的输出又是x,y坐标的元组列表,因此如何存储此列表？注意：输出列表可以包含任意数量的元组.
apply的groupby：
print (df.groupby('id')['x,y'].apply(lambda x: xyz(x, 5.0)))
要么：
print (df.groupby('id')['x,y'].apply(xyz, 5.0))
具有rdp函数的示例-必须添加到列表中,否则会得到KeyError：-1：
print (df.groupby('id')['x,y'].apply(lambda x: rdp(x.tolist(), 5.0)))
#alternative with list
#print (df.groupby('id')['x,y'].apply(lambda x: rdp(list(x), 5.0))
id
1 [(0, 0), (1, 2)]
2 [(1, 3), (1, 2)]
3 [(2, 5), (4, 6)]
Name: x,y, dtype: object