pandas-将时间和空间函数应用于groupby

Question

我有一个DataFrame df，如下所示：

User_ID;Latitude;Longitude;Datetime
222583401;41.4020375;2.1478710;2014-07-06 20:49:20
287280509;41.3671346;2.0793115;2013-01-30 09:25:47
329757763;41.5453577;2.1175164;2012-09-25 08:40:59
189757330;41.5844998;2.5621569;2013-10-01 11:55:20
624921653;41.5931846;2.3030671;2013-07-09 20:12:20
414673119;41.5550136;2.0965829;2014-02-24 20:15:30
414673119;41.5550136;2.0975829;2014-02-24 20:16:30
414673119;41.5550136;2.0985829;2014-02-24 20:17:30

它包含有关用户的空间（纬度和经度）和时间（日期时间）位置的信息。所有用户都显示了一个单一的时空位置，但最后一个414673119，由三个样本在时间和地点上的移动来跟踪。我想评估一个参数，比如用户的"速度"。我想使用Panda函数应用于纬度/经度列，它与欧几里得距离的两点之间的最短距离有关。在第一步移动过程中，将Lat1和Lat2称为空间中的不同位置（Lon和Datetime相同），我可以评估：

distance_1_2 = math.sqrt((Lat2-Lat1)**2 + (Lon2-Lon1)**2)
time_1_2 = Datetime2 - Datetime1

然后：

speed_1_2 = distance_1_2/time_1_2

到目前为止，我根据User_ID对DataFrame进行了排序和分组，以检测多个（和连续的）移动：

# Track User Movements in Space and Time - Sort Information
track = df.sort(['User_ID','Datetime'])
# MultiIndex --> Index on 'User_ID'
grouped = track.groupby(['User_ID'])

现在的问题是访问有关空间和时间的组信息，并筛选speed参数高于或低于某个值的用户。非常感谢你的帮助。

Answer 1

您已经准备好了大部分部件。以下是一些可能有所帮助的调整。

• 要计算序列中相邻值之间的差异，请使用diff方法。因此，例如，Lat2-Lat1将变为grp['Lat'].diff()。

  dist = np.sqrt(grp['Latitude'].diff()**2 + grp['Longitude'].diff()**2)
  

• 如果Datetime列的数据类型为datetime64[ns]，则两个日期之间的差值df['Datetime'].diff()将为timedelta64[ns]。要将距离（float）除以timedelta64[ns]，首先需要将timedelta64[ns]转换为float。要将其转换为秒数，请除以np.timedelta64(1, 's'):

  time = grp['Datetime'].diff() / np.timedelta64(1, 's')
  

• 您不需要按['User_ID','Datetime']进行排序。groupby方法在未排序的数据上运行得很好。所以跳过排序，直接调用

  grouped = df.groupby(['User_ID'], group_keys=False)
  

---

import numpy as np
import pandas as pd
def speed(grp):
    dist = np.sqrt(grp['Latitude'].diff()**2 + grp['Longitude'].diff()**2)
    time = grp['Datetime'].diff() / np.timedelta64(1, 's')
    result = dist/time
    return result
df = pd.read_table('data', sep=';', parse_dates=[3])
grouped = df.groupby(['User_ID'], group_keys=False)
spd = grouped.apply(speed)
mask = spd > 1e-6
print(df.loc[mask])

产生

     User_ID   Latitude  Longitude            Datetime
6  414673119  41.555014   2.097583 2014-02-24 20:16:30
7  414673119  41.555014   2.098583 2014-02-24 20:17:30