本文介绍了使用定制的距离函数创建与Pandas Dataframe的距离矩阵的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个包含两列的Pandas DataFrame，&id"；(唯一标识符)和"；Date&Quot；，如下所示：
test_df.head()
id date
0 N1 2020-01-31
1 N2 2020-02-28
2 N3 2020-03-10
我已经创建了一个自定义的Python函数，该函数在给定两个日期字符串的情况下，将计算这两个日期之间的绝对天数(使用给定的日期格式字符串，例如%Y-%m-%d)，如下所示：
def days_distance(date_1, date_1_format, date_2, date_2_format):
"""Calculate the number of days between two given string dates
Args:
date_1 (str): First date
date_1_format (str): The format of the first date
date_2 (str): Second date
date_2_format (str): The format of the second date
Returns:
The absolute number of days between date1 and date2
"""
date1 = datetime.strptime(date_1, date_1_format)
date2 = datetime.strptime(date_2, date_2_format)
return abs((date2 - date1).days)
test_df示例，最终的时间距离矩阵应该如下所示：
N1 N2 N3
N1 0 28 39
N2 28 0 11
N3 39 11 0
我正在努力寻找一种使用定制的距离函数(如上面的days_distance()函数)计算距离矩阵的方法，而不是使用由本网站提供的标准距离度量。
有什么建议吗？
推荐答案
让我们尝试pdist+squareform创建一个表示DateTime对象之间成对差异的平方距离矩阵，最后根据该方阵创建一个新的数据帧：
from scipy.spatial.distance import pdist, squareform
i, d = test_df['id'].values, pd.to_datetime(test_df['date'])
df = pd.DataFrame(squareform(pdist(d[:, None])), dtype='timedelta64[ns]', index=i, columns=i)
或者您也可以使用numpy广播计算距离矩阵：
i, d = test_df['id'].values, pd.to_datetime(test_df['date']).values
df = pd.DataFrame(np.abs(d[:, None] - d), index=i, columns=i)
N1 N2 N3
N1 0 days 28 days 39 days
N2 28 days 0 days 11 days
N3 39 days 11 days 0 days
这篇关于使用定制的距离函数创建与Pandas Dataframe的距离矩阵的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！