如何选择满足条件的最近邻？

Question

问题：如何为geodataframe中的所有元素选择“n个满足条件的最近邻”？你知道吗

示例：“对于森林中的所有树木，半径100米范围内最高的两棵松树的高度是多少？”（注意“tree”不一定是“pine”。）

如果我只想每棵树都有最近的树，我可以用

libpysal.weights.KNN.from_dataframe(df_g, k=2, radius=100)

（给定一个geodataframe）

我正在寻找一种方法来获得满足条件的最近邻居。你知道吗

工作示例

这段代码定义了一个带有9个点的geodataframe：

import pandas as pd, libpysal, geopandas as gp,matplotlib.pyplot as plt
from shapely.wkt import loads

# 18 points with values and types
points=['POINT (0.1 0.2)','POINT (-1 0)','POINT (1 0)','POINT (0 -1)','POINT (0 1)','POINT (-2 0)','POINT (2 0)','POINT (0 -2)','POINT (0 2)']
values=[9,8,7,6,5,4,3,2,1]
types=[0,0,0,0,0,1,1,1,1]

df=pd.DataFrame({'points':points,'value':values,'types':types})
gdf=gp.GeoDataFrame(df,geometry=[loads(x) for x in df.points])

我想找半径为2的1型邻居。你知道吗

所以，对于中心点，我想在橙色点而不是蓝色点之间寻找邻居：

如果类型不是问题，我可以循环查看最近的邻居，如：

knn2 = libpysal.weights.KNN.from_dataframe(gdf, k=2,radius=2)
for index,row in gdf.iterrows(): # Looping over all points
    knn_neighbors = knn2.neighbors[index] # Get neighbors
    knnsubset = gdf.iloc[knn_neighbors] # Get subdataframe
    print("Mean: ",knnsubset['value'].mean()) # Calculating mean of 'value'

对于中心点，将选择两个绿点，如图所示：

不过，我只想考虑橙色点。你知道吗

简单的“修复”：

当然，我可以选择“足够”的邻居，然后过滤它们：

knn2 = libpysal.weights.KNN.from_dataframe(gdf, k=8,radius=2) # Select enough neighbors
for index,row in gdf.iterrows(): # Looping over all points
    knn_neighbors = knn2.neighbors[index] # Get neighbors
    knnsubset = gdf.iloc[knn_neighbors] # Get subdataframe
    knnsubset=knnsubset[knnsubset.types==1].head(2) #Require type 1 and take the two first
    print("Mean: ",knnsubset['value'].mean()) # Calculating mean of 'value'

如图所示，它选择了正确的点。然而，有两个问题：

• 没有明确的方法来选择“足够”的邻居。中间有足够的蓝点。我不会抓住橙色的点。你知道吗
• 当谈论数百万个密度变化很大的点时，这个比例很差。选择100个邻居来查找4个邻居将在处理时间方面受到惩罚。你知道吗

这似乎是一个有人会在某个时候解决的问题。有什么建议吗？我应该考虑学习吗？你知道吗

Answer 1

如注释中所述，您可以使用DistanceBand而不是KNN进行第一次筛选（在KNN中，您实际上不知道必须选择多少个才能至少有2个PINE）。你知道吗

从上面的gdf开始：

W = libpysal.weights.DistanceBand.from_dataframe(gdf, threshold=2)

results = []  # it is faster to save to list than directly to gdf
for index, row in gdf.iterrows():
    neighbors = W.neighbors[index]
    subset = gdf.loc[neighbors]  # get all within threshold
    limited = subset.loc[subset.types == 1]  # limit to type you want - here you can do more filtering
    if len(limited) > 0:  # if something of type 1 is close enough
        limited['dist'] = limited.geometry.distance(row.geometry)  #get distances
        limited.nsmallest(n=2, columns='dist')
        results.append(list(limited.index))  # save indices of selection
    else:
        results.append(None)

gdf['result'] = results  # save to gdf

这将保存满足条件（或无）的点的索引。你知道吗

不过，我不确定它在大数据集上的表现，但熊猫过滤应该不是问题，而且距离有限的df是矢量化的。你知道吗