时间戳

首页 > 解决方案 > 确定点是否在移动（熊猫窗口函数）

python - 确定点是否在移动（熊猫窗口函数）

问题描述

我有多个人的数据集（熊猫数据框），这些人拥有 gps 设备并随着时间的推移跟踪他们的位置。这个数据集看起来像这样：

person_id | timestamp               | latitude | longitude
1         | 2019-05-15 10:01:53.231 | 10.00110 | 5.64321
1         | 2019-05-15 10:02:54.131 | 10.00310 | 5.64322
1         | 2019-05-15 10:03:55.331 | 10.00210 | 5.64325
1         | 2019-05-15 10:05:00.731 | 10.00410 | 5.64421
1         | 2019-05-15 10:06:48.434 | 10.00510 | 5.64121
1         | 2019-05-15 10:07:24.189 | 10.01110 | 5.63321
1         | 2019-05-15 10:08:53.231 | 10.02110 | 5.62821
2         | 2019-05-15 10:02:41.111 | 10.01131 | 5.64320
2         | 2019-05-15 10:03:47.221 | 10.01132 | 5.64322
2         | 2019-05-15 10:05:53.121 | 10.01130 | 5.64321
2         | 2019-05-15 10:07:24.564 | 10.01401 | 5.64331
etc.

因此，GPS 设备会频繁测量其位置。有时我们会遗漏一些点，但总的来说数据集非常好。然而，由于设备/GPS 的准确性，即使您没有移动，GPS 坐标也会跳动一点。

我想要做的是添加一列，指示一个人是否在移动。为此，我想到了一个滚动窗口，计算该窗口中的平均位置，然后计算到该位置的距离（geopy.distance.distance()）以及窗口中任何点的距离是否大于一个给定的阈值（比如 15m）比这些点被认为是“移动的”。

我在互联网上环顾四周，但无法真正找到如何做到这一点（不使用低效的 for 循环）。我会研究这样的事情：

df['moving'] = df.groupby(['mmsi']).rolling(
    window=10).apply(
        ... some function here, like:
        np.any([distance(
            lat_mean,
            lon_mean,
            row_lat,
            row_lon
        ) for row in window] > threshold))

理想情况下，我们希望拥有基于时间和最少数据点的窗口，但这可能会使它变得更加困难......有什么建议/想法吗？

标签： pythonpandascoordinatesrolling-computation

解决方案

推荐阅读