我有一个包含 FEM 元素及其节点的数据帧。
我需要从这些数据中找到相邻元素以及它们各自的位置。
示例数据如下所示：
|El_ID |Node_SW |Node_NW |Node_NE |Node_SE | |-------|---------|---------|---------|---------| |755 |1412 |1413年 |1459年 |1458年 | |756 |1413年 |1414 |1460 |1459年 | |802 |1458年 |1459年 |1505 |1504 |
将(Node_SW， Node_SE( 与(Node_NW， Node_NE(进行比较会得到一个相邻元素756与755Neighbor_North，反之亦然。将(Node_NE，Node_SE(与(Node_NW，Node_SW(进行比较，可以分别得到西部和东部邻居。
输出应如下所示
|El_ID |Node_SW |Node_NW |Node_NE |Node_SE |El_S |El_N |El_W|El_E|... |-------|---------|---------|---------|---------|------|------|----|----|... |755 |1412 |1413年 |1459年 |1458年 | 754 | 756 |802|708|... |756 |1413年 |1414 |1460 |1459年 | 755 | 纳恩 |803|709|... |802 |1458年 |1459年 |1505 |1504 | 801 | 803 |849|755|... ...
Element_IDs可以排序，但通常是随机的。 通过使用 scipy 的 KDTree，我已经设法通过元素宽度的距离来获取元素的邻域，但我没有得到任何位置信息(S、N、E、W(。
有人知道熊猫或麻瓜怎么做吗？ 我想逃避循环，因为元素表可能很长......
谢谢
使用熊猫，您可以执行以下操作：
data = [[755 , 1412 , 1413 , 1459 , 1458],
[756 , 1413 , 1414 , 1460 , 1459] ,
[802 , 1458 , 1459 , 1505 , 1504]]
df = pd.DataFrame(data, columns=['El_ID', 'Node_SW' , 'Node_NW' , 'Node_NE' , 'Node_SE'])
然后让邻居遵循关系Node_SW - Node_NW，
pd.merge(df, df, left_on= 'Node_SW', right_on='Node_NW')
输出为
El_ID_x Node_SW_x Node_NW_x Node_NE_x Node_SE_x El_ID_y Node_SW_y Node_NW_y Node_NE_y Node_SE_y
0 756 1413 1414 1460 1459 755 1412 1413 1459 1458
你得到 756 和 755 之间的关系。
您必须对其他象限执行相同的操作。