小编Asi*_*han的帖子

我在Jupyter笔记本中的后续行中收到错误

% matplotlib inline

我使用的是Python 3.7版,ipyhton 7.0.1版

如何在groupby数据框上应用函数

给定数据框 df。

userid   trip_id        lat         long
141.0      1.0      39.979547   116.306813
141.0      1.0      39.979558   116.306823
141.0      1.0      39.979575   116.306835
141.0      1.0      39.979587   116.306847
141.0      2.0      39.979603   116.306852
141.0      2.0      39.979612   116.306867
141.0      2.0      39.979627   116.306877
141.0      2.0      39.979635   116.306888
141.0      3.0      39.979645   116.306903
141.0      3.0      39.979657   116.306913
141.0      3.0      39.979670   116.306920
141.0      3.0      39.979682   116.306920

我想计算每组数据帧的 Vincenty 距离。数据框分为 2 列，即 (userid,trip_id)

我可以通过给定的语句计算完整数据帧的 vincenty 距离

from geopy.distance import vincenty
df['lat_next'] = df['lat'].shift(-1)
df['long_next'] = df['long'].shift(-1)
df['Vincenty_distance'] = df.dropna().apply(lambda x: vincenty((x['lat'], x['long']), …

我有北京地区人员流动的GPS坐标。我想将地理空间划分为例如 2 平方公里（增量）的矩形网格，并访问网格内任何点的索引位置。单元格的大小不需要完全相同，在我的情况下可以使用近似值。

我的地理区域具有以下边界框坐标（纬度、经度）。

Bottom Left  (x1,y1) = 39.77750000, 116.17944444  
Top Left     (x1,y2) = 40.04722222, 116.58888889  
Bottom Right (x2,y1) = 39.77750000, 116.58888889  
Top Right    (x2,y2) = 40.04722222, 116.17944444  

这是 30 公里 x 34 公里的矩形区域。我心中的解决方案是取delta为2km，以delta增加纬度和经度值，直到达到上限。
要访问 GPS 点 p 的索引位置，令 BL 为矩形区域的左下点

Row =    Distance [(p.lat,BL.long), (BL.lat, BL.long)] / delta 
Column = Distance [(BL.lat,p.long), (BL.lat, BL.long)] / delta 

有没有更简单的方法或支持库来解决这个问题？最好是行和列（x，y）的组合，这样我就可以通过在笛卡尔坐标系中找到两个网格单元之间的距离来测量网格单元的紧密程度。示例图像和输入数据集可以让您清楚地了解描述。

链接中给出的输入数据集https://drive.google.com/file/d/1JjvS7igTmrtLA4E5Rs5D6tsdAXqzpYqX/view

我有这样的数据框

                 Transport  Elapsed_Time     gap_time        gap_minutes 
0                  taxi         556.0   0 days 00:00:02          0.0 
1                  walk          95.0   0 days 00:53:34         53.0 
2                  taxi          44.0   0 days 02:02:00        122.0 
3                  taxi           2.0   0 days 17:05:56       1025.0 
4                  walk          73.0   0 days 00:14:31         14.0 
5                  boat          10.0   0 days 00:02:16          2.0 
6                  walk          34.0   0 days 00:00:42          0.0 
7                  boat           8.0   0 days 00:00:54          0.0 
8                 walk          37.0   0 days 00:07:25          7.0 
9                 boat          30.0   0 days 00:00:23          0.0 
10                 walk         105.0   0 days …

我喜欢使用多层 ConvLSTM 模型来检查我的模型。我的训练数据的形状是

trainX.shape (5000, 200, 4) # testX.shape (2627, 200, 4)

以下是我的工作正常的代码

print('trainX.shape', trainX.shape) # trainX.shape (5000, 200, 4)
print('testX.shape', testX.shape) #  testX.shape (2627, 200, 4)
# reshape into subsequences (samples, time steps, rows, cols, channels)
samples, n_features = trainX.shape[0], trainX.shape[2]
n_steps, n_length = 8, 25
trainX = trainX.reshape((samples, n_steps, 1, n_length, n_features)) # 
print('trainX.shape', trainX.shape) # (5000, 8, 1, 25, 4)
testX = testX.reshape((testX.shape[0], n_steps, 1, n_length, n_features))
print('testX.shape', testX.shape) # (2627, 8, 1, 25, 4)

# define …