如何使用 pandas 数据框中的纬度和经度计算距离？

Question

我有一个包含两列纬度和经度以及 863 行的数据框，因此每行都有一个由纬度和经度定义的点坐标。现在我想计算所有行之间的距离（以公里为单位）。我正在使用以下参考 link 来获取纬度和经度对之间的距离。如果有几行，我可以使用引用 link 来完成。但是我有很多行，我想我需要一个循环来解决问题。因为我是 python 的新手，所以我无法创建循环这个想法的逻辑。

参考link： Getting distance between two points based on latitude/longitude

我的数据框如下所示：

read_randomly_generated_lat_lon.head(3)
Lat          Lon
43.937845   -97.905537
44.310739   -97.588820
44.914698   -99.003517

Answer 1

您可以使用 scikit-learn 执行此操作：

import numpy as np
from sklearn.neighbors import DistanceMetric

dfr = df.copy()
dfr.Lat = np.radians(df.Lat)
dfr.Lon = np.radians(df.Lon)
hs = DistanceMetric.get_metric("haversine")
(hs.pairwise(dfr)*6371) # Earth radius in km

输出：

array([[  0.        ,  48.56264446, 139.2836099 ],
       [ 48.56264446,   0.        , 130.57312786],
       [139.2836099 , 130.57312786,   0.        ]])

注意输出是一个方阵，其中元素(i,j)是第i行和第j行的距离

这似乎比使用带有自定义 haversine 函数的 scipy 的 pdist 更快

Answer 2

请注意：以下脚本未考虑地球曲率。有很多文档 Convert lat/long to XY 解释了这个问题。

但是，坐标之间的距离可以粗略确定。导出的是一个系列，可以很容易地 concatenated 与您的原始 df 一起提供单独的 column 显示相对于您的坐标的距离。

d = ({
    'Lat' : [43.937845,44.310739,44.914698],       
    'Long' : [-97.905537,-97.588820,-99.003517],                               
     })

df = pd.DataFrame(d)

df = df[['Lat','Long']]

point1 = df.iloc[0]

def to_xy(point):

    r = 6371000 #radians of the earth (m)
    lam,phi = point
    cos_phi_0 = np.cos(np.radians(phi))

    return (r * np.radians(lam) * cos_phi_0, 
            r * np.radians(phi))

point1_xy = to_xy(point1)

df['to_xy'] = df.apply(lambda x: 
         tuple(x.values),
         axis=1).map(to_xy)

df['Y'], df['X'] = df.to_xy.str[0], df.to_xy.str[1]

df = df[['X','Y']] 
df = df.diff()

dist = np.sqrt(df['X']**2 + df['Y']**2)

#Convert to km
dist = dist/1000

print(dist)

0           NaN
1     41.149537
2    204.640462

如何使用 pandas 数据框中的纬度和经度计算距离？

How to calculate distance using latitude and longitude in a pandas dataframe?

geolocation

latitude-longitude

python-3.x

pandas