我有两个我正在使用的数据帧.一个有一堆位置和坐标(经度,纬度).另一个是天气数据集,其中包含来自世界各地气象站的数据及其各自的坐标.我正在尝试将最近的气象站连接到我的数据集中的每个位置.气象站名称和我的位置名称不匹配.
我试图通过坐标中最接近的匹配来链接它们,并且不知道从哪里开始.
我在考虑使用
np.abs((location['latitude']-weather['latitude'])+(location['longitude']-weather['longitude'])
各自的例子
地点...
Location Latitude Longitude Component \
A 39.463744 -76.119411 Active
B 39.029252 -76.964251 Active
C 33.626946 -85.969576 Active
D 49.286337 10.567013 Active
E 37.071777 -76.360785 Active
天气...
Station Code Station Name Latitude Longitude
US1FLSL0019 PORT ST. LUCIE 4.0 NE 27.3237 -80.3111
US1TXTV0133 LAKEWAY 2.8 W 30.3597 -98.0252
USC00178998 WALTHAM 44.6917 -68.3475
USC00178998 WALTHAM 44.6917 -68.3475
USC00178998 WALTHAM 44.6917 -68.3475
输出将是位置数据帧上的新列,其中站名是最接近的匹配
但是我不知道如何通过两者来循环来实现这一目标.任何帮助将不胜感激..
谢谢,斯科特
下午好,
我正在研究决策树分类器,但我无法将其可视化.我可以输出决策树,但是我无法将我的功能或类名/标签输入其中.我的数据是一个pandas数据帧格式,然后我移动到一个numpy数组并传递给分类器.我尝试了一些东西,但是当我尝试指定类名时,似乎只是出错了.任何帮助,将不胜感激.代码如下.
all_inputs=df.ix[:,14:].values
all_classes=df['wic'].values
(training_inputs,
testing_inputs,
training_classes,
testing_classes) = train_test_split(all_inputs, all_classes,train_size=0.75, random_state=1)
decision_tree_classifier=DecisionTreeClassifier()
decision_tree_classifier.fit(training_inputs,training_classes)
export_graphviz(decision_tree_classifier, out_file="mytree.dot",
feature_names=??,
class_names=??)
LIke我说,它运行正常并输出一个决策树,即如果我取出feature_names和class_names参数.我想尽可能将它们包括在输出中并且已经碰壁了......
任何帮助将不胜感激!
谢谢,
斯科特