如何根据两个数据从一个数据帧到另一个数据找到最接近的匹配？

Question

我有2个数据框正在使用。一个人有一堆位置和坐标（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链接到数据集中的每个位置。气象站名称和我的位置名称不匹配。

我只想通过最接近的坐标将它们链接起来，也不知道从哪里开始。

我在想一些使用

np.abs((location['latitude']-weather['latitude'])+(location['longitude']-weather['longitude'])

每个例子

位置…

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，且站名最匹配

但是，我不确定如何通过两者来完成此操作。任何帮助将不胜感激..

谢谢，斯科特

Answer 1

假设您有一个dist要最小化的距离函数：

def dist(lat1, long1, lat2, long2):
    return np.abs((lat1-lat2)+(long1-long2))

对于给定的位置，您可以找到最近的车站，如下所示：

lat = 39.463744
long = -76.119411
weather.apply(
    lambda row: dist(lat, long, row['Latitude'], row['Longitude']), 
    axis=1)

这将计算到所有气象站的距离。使用idxmin您可以找到最近的电台名称：

distances = weather.apply(
    lambda row: dist(lat, long, row['Latitude'], row['Longitude']), 
    axis=1)
weather.loc[distances.idxmin(), 'StationName']

让我们将所有这些放到一个函数中：

def find_station(lat, long):
    distances = weather.apply(
        lambda row: dist(lat, long, row['Latitude'], row['Longitude']), 
        axis=1)
    return weather.loc[distances.idxmin(), 'StationName']

现在，您可以通过将其应用于locations数据框来获取所有最近的测站：

locations.apply(
    lambda row: find_station(row['Latitude'], row['Longitude']), 
    axis=1)

输出：

0         WALTHAM
1         WALTHAM
2    PORTST.LUCIE
3         WALTHAM
4    PORTST.LUCIE