用于按距离将聚合列表创建到预定义字典中的 Python 代码

如何解决用于按距离将聚合列表创建到预定义字典中的 Python 代码

希望有人能帮帮我。

我试图回收我的一些用于距离计算的旧代码，这些代码通常只会返回数值，并且对于样本和人口子集非常有效 - 但现在太大而无法管理。我试图找到一种方法将输出更改为列表而不是矩阵。

数据帧示例 (Market_latLong)。在此示例中，经纬度已转换为弧度：

	TAX_ID	纬度	长
0	A1	0.592957	-2.063824
1	A2	0.651901	-2.128469
2	A3	0.629707	-2.008770
3	A4	0.827849	-2.125870
4	A5	0.794262	-2.141358

我使用半正弦来做数学魔术，通常会返回一个矩阵，其中每个点与另一个点的接近程度。

dist = DistanceMetric.get_metric('haversine')

但是当您进入 40k 行数时 - 我实际上无法保存该数据帧以与任何人共享，因为矩阵最终为 40k x 40k。所以我想建立一个字典来获取唯一的TAX ID作为关键。这样做的全部目的是与需要它作为 csv 的人分享。

client_dict = {}

selected_rows = Market_latLong.get(['TAX_ID','Lat','Long']) #grabbing what is necessary - that's all in this upload but others have more columns 

for index,row in selected_rows.iterrows():
  T_ID = row['TAX_ID'] #ID is the key now 
  if T_ID in client_dict: 
    client_dict[T_ID].append(row) #append that data to that key 
  else: 
    client_dict[T_ID] = [row] 

现在这就是我挣扎的地方。在这里，我成对调用下面的半正弦方法 (dist) 来制作该矩阵，然后从该矩阵中，我想创建一个与每个键关联的列表，其中 ID 位于该初始 ID 的 100 英里范围内：

output = []

for T_ID in client_dict.keys():
  client_df = pd.DataFrame(client_dict[T_ID]) #client dict with the key of all the IDs
  clients_matrix = pd.DataFrame(dist.pairwise(client_df[['Lat','Long']].to_numpy())*6373,columns=client_df.TAX_ID.unique(),index=client_df.TAX_ID.unique()) #This is the matrix
  result = ??????????????????????????????
  output.append([T_ID,result])

pd.DataFrame(output)

所以结果变量是我一直在努力修复的地方，因为我不断破坏事物并且没有让它按预期工作。我能得到一些帮助吗？感谢您的帮助！

理想情况下，输出的样子是关键是 ID，列表是距离他们 100 英里范围内的每个人：

A1：A2、A5、A6、A9

A2：A3、A4、A10、A14、A18、A19、A55、A66、A123、A321

A3：A15、A12

A4：A989、A113、A1414、A1462、A14556

解决方法

查看本课程，它将帮助您了解所需的技巧

list1=[1,2,3,4]
list2=[]
for i in list1:
    list2.append(i*2)
def multiple(j):
    return j*2
print(list2)
print(list(map(multiple,list1)))