用Python计算Excel中三组数据的曼哈顿距离

假设Excel中三组数据分别为A1:A5、B1:B5、C1:C5，可以使用Pandas库读取Excel数据，并使用numpy库计算曼哈顿距离。

代码如下：

import pandas as pd
import numpy as np

# 读取Excel数据
df = pd.read_excel('data.xlsx')

# 提取三组数据
A = df['A'].values
B = df['B'].values
C = df['C'].values

# 计算曼哈顿距离
dist_AB = np.sum(np.abs(A - B))
dist_AC = np.sum(np.abs(A - C))
dist_BC = np.sum(np.abs(B - C))

print('曼哈顿距离AB：', dist_AB)
print('曼哈顿距离AC：', dist_AC)
print('曼哈顿距离BC：', dist_BC)

其中，np.abs()函数用于计算绝对值，np.sum()函数用于计算数组元素的和。运行代码后，会输出三组数据的曼哈顿距离。

相关问题

# 导入pandas库 import pandas as pd # 读取excel文件的两个sheet sheet1 = pd.read_excel("对照组.xlsx", sheet_name="idle_transition_probability") sheet2 = pd.read_excel("对照组.xlsx", sheet_name="hexagon_grid_table") # 把sheet转换成字典列表 sheet1 = sheet1.to_dict(orient="records") sheet2 = sheet2.to_dict(orient="records") # 创建一个空的字典，用来存储区域id和坐标的对应关系 area_dict = {} # 选择sheet1的第2列和第3列 sheet1 = sheet1.iloc[:, [1, 2]] # 把sheet1的第2列和第3列的数据转换成列表 start_area_list = sheet1.iloc[:, 0].tolist() end_area_list = sheet1.iloc[:, 1].tolist() # 用zip函数把两个列表组合成一个迭代器 area_pairs = zip(start_area_list, end_area_list) # 用for循环遍历每一对上下车地点所在区域的id for start_area, end_area in area_pairs: # 根据id从字典中获取对应的坐标 start_coord = area_dict[start_area] end_coord = area_dict[end_area] # 遍历sheet2，把区域id作为键，坐标作为值，存入字典中 for row in sheet2: area_id = row["格子ID"] longitude = row["中心经度"] latitude = row["中心维度"] area_dict[area_id] = (longitude, latitude) # 创建一个空的列表，用来存储每个时间段的曼哈顿距离 distance_list = [] # 计算两个坐标之间的x轴距离和y轴距离 x_distance = abs(end_coord[0] - start_coord[0]) y_distance = abs(end_coord[1] - start_coord[1]) # 计算两个坐标之间的曼哈顿距离，并添加到列表中 manhattan_distance = x_distance + y_distance distance_list.append(manhattan_distance) # 创建一个空的DataFrame df = pd.DataFrame() # 把列表添加到DataFrame中，指定列名 df["曼哈顿距离"] = distance_list # 把DataFrame保存到Excel文件中，指定文件名和sheet名 df.to_excel("result.xlsx", sheet_name="result")请你帮我修改一下

好的，以下是修改后的代码：

# 导入pandas库
import pandas as pd

# 读取excel文件的两个sheet
sheet1 = pd.read_excel("对照组.xlsx", sheet_name="idle_transition_probability")
sheet2 = pd.read_excel("对照组.xlsx", sheet_name="hexagon_grid_table")

# 把sheet转换成字典列表
sheet1 = sheet1.to_dict(orient="records")
sheet2 = sheet2.to_dict(orient="records")

# 创建一个空的字典，用来存储区域id和坐标的对应关系
area_dict = {}

# 选择sheet1的第2列和第3列
sheet1 = pd.DataFrame(sheet1, columns=["start_area", "end_area"])

# 把sheet1的第2列和第3列的数据转换成列表
start_area_list = sheet1["start_area"].tolist()
end_area_list = sheet1["end_area"].tolist()

# 用zip函数把两个列表组合成一个迭代器
area_pairs = zip(start_area_list, end_area_list)

# 遍历sheet2，把区域id作为键，坐标作为值，存入字典中
for row in sheet2:
    area_id = row["格子ID"]
    longitude = row["中心经度"]
    latitude = row["中心维度"]
    area_dict[area_id] = (longitude, latitude)

# 创建一个空的列表，用来存储每个时间段的曼哈顿距离
distance_list = []

# 用for循环遍历每一对上下车地点所在区域的id
for start_area, end_area in area_pairs:
    # 根据id从字典中获取对应的坐标
    start_coord = area_dict[start_area]
    end_coord = area_dict[end_area]

    # 计算两个坐标之间的x轴距离和y轴距离
    x_distance = abs(end_coord[0] - start_coord[0])
    y_distance = abs(end_coord[1] - start_coord[1])

    # 计算两个坐标之间的曼哈顿距离，并添加到列表中
    manhattan_distance = x_distance + y_distance
    distance_list.append(manhattan_distance)

# 创建一个空的DataFrame
df = pd.DataFrame()

# 把列表添加到DataFrame中，指定列名
df["曼哈顿距离"] = distance_list

# 把DataFrame保存到Excel文件中，指定文件名和sheet名
df.to_excel("result.xlsx", sheet_name="result")

主要修改如下：

1. 在读取sheet1后，使用`pd.DataFrame()`方法将其转换为DataFrame，并指定了`columns`参数，这样就可以直接使用列名来引用数据了。

2. 在计算两个坐标之间的曼哈顿距离时，将计算过程放在for循环内部，这样可以计算出每一对上下车地点的距离。

3. 在创建DataFrame时，使用`pd.DataFrame()`方法创建空的DataFrame，然后将数据添加到其中。

4. 在保存DataFrame到Excel文件中时，使用`df.to_excel()`方法，指定了文件名和sheet名。