计算python中*多组*地理坐标之间的距离

时间:2016-04-18 14:18:01

标签: python numpy pandas distance geopy

我正在努力计算多个纬度和经度坐标集之间的距离。简而言之,我发现了许多使用数学或geopy的教程。当我只想找到一组coordindates(或两个独特位置)之间的距离时,这些教程非常有用。但是,我的目标是扫描具有400k组原点和目标坐标的数据集。下面列出了我使用的代码的一个示例,但是当我的数组是>时,我似乎遇到了错误。 1条记录。任何有用的提示将不胜感激。谢谢。

# starting dataframe is df

lat1 = df.lat1.as_matrix()
long1 = df.long1.as_matrix()
lat2 = df.lat2.as_matrix()
long2 = df.df_long2.as_matrix()

from geopy.distance import vincenty
point1 = (lat1, long1)
point2 = (lat2, long2)
print(vincenty(point1, point2).miles)

3 个答案:

答案 0 :(得分:4)

修改:here's a simple notebook example

一种通用方法,假设您有一个包含点的DataFrame列,并且您想要计算所有这些列之间的距离(例如,如果您有单独的列,则首先将它们组合成(lon, lat)个元组)。将新列命名为coords

import pandas as pd
import numpy as np
from geopy.distance import vincenty


# assumes your DataFrame is named df, and its lon and lat columns are named lon and lat. Adjust as needed.
df['coords'] = zip(df.lat, df.lon)
# first, let's create a square DataFrame (think of it as a matrix if you like)
square = pd.DataFrame(
    np.zeros(len(df) ** 2).reshape(len(df), len(df)),
    index=df.index, columns=df.index)

此函数使用输入列名称从df DataFrame中查找“end”坐标,然后使用{{1}将geopy vincenty()函数应用于输入列中的每一行}列作为第一个参数。这是有效的,因为该功能从右到左按列逐列

square.coords

现在我们已准备好计算所有距离 我们正在转置DataFrame(def get_distance(col): end = df.ix[col.name]['coords'] return df['coords'].apply(vincenty, args=(end,), ellipsoid='WGS-84') ),因为我们将用于检索距离的.T方法是指索引标签,行标签。但是,我们的内部应用函数(见上文)使用检索值

填充列
loc[]

您的distances = square.apply(get_distance, axis=1).T 值(IIRC)以公里为单位返回,因此您可能需要使用geopy.meters等将这些值转换为您要使用的任何单位。

以下内容应该有效:

.miles

您现在可以使用以下方法索引距离矩阵: def units(input_instance): return input_instance.meters distances_meters = distances.applymap(units) 。 你应该能够很容易地适应上述内容。您可能需要调整loc[row_index, column_index]函数中的apply调用,以确保将正确的值传递给get_distance。大熊猫apply文档可能很有用,特别是在使用great_circle传递位置参数方面(你需要最近的pandas版本才能使用)。

此代码尚未进行分析,可能有更快的方法,但400k距离计算应该相当快。

哦,还有

我不记得geopy是否期望坐标为args(lon, lat)。我打赌这是后者(叹气)。

答案 1 :(得分:0)

我最近不得不做类似的工作,我结束了写一个我认为很容易理解和调整您的需求的解决方案,但可能不是最好/最快的:

解决方案

这与urschrei发布的内容非常相似:假设您希望从Pandas DataFrame获得每两个连续坐标之间的距离,我们可以编写一个函数来处理开始和< 路径的strong>完成,计算距离,然后构造一个新的DataFrame作为返回值:

import pandas as pd
from geopy import Point, distance
   
def get_distances(coords: pd.DataFrame,
                  col_lat='lat',
                  col_lon='lon',
                  point_obj=Point) -> pd.DataFrame:
    traces = len(coords) -1
    distances = [None] * (traces)
    for i in range(traces):
        start = point_obj((coords.iloc[i][col_lat], coords.iloc[i][col_lon]))
        finish = point_obj((coords.iloc[i+1][col_lat], coords.iloc[i+1][col_lon]))
        distances[i] = {
            'start': start,
            'finish': finish,
            'path distance': distance.geodesic(start, finish),
        }

    return pd.DataFrame(distances)

用法示例

coords = pd.DataFrame({
    'lat': [-26.244333, -26.238000, -26.233880, -26.260000, -26.263730],
    'lon': [-48.640946, -48.644670, -48.648480, -48.669770, -48.660700],
})

print('-> coords DataFrame:\n', coords)
print('-'*79, end='\n\n')

distances = get_distances(coords)
distances['total distance'] = distances['path distance'].cumsum()
print('-> distances DataFrame:\n', distances)
print('-'*79, end='\n\n')

# Or if you want to use tuple for start/finish coordinates:
print('-> distances DataFrame using tuples:\n', get_distances(coords, point_obj=tuple))
print('-'*79, end='\n\n')

输出示例

-> coords DataFrame:
          lat        lon
0 -26.244333 -48.640946
1 -26.238000 -48.644670
2 -26.233880 -48.648480
3 -26.260000 -48.669770
4 -26.263730 -48.660700
------------------------------------------------------------------------------- 

-> distances DataFrame:
                                   start                             finish  \
0  26 14m 39.5988s S, 48 38m 27.4056s W   26 14m 16.8s S, 48 38m 40.812s W   
1      26 14m 16.8s S, 48 38m 40.812s W  26 14m 1.968s S, 48 38m 54.528s W   
2     26 14m 1.968s S, 48 38m 54.528s W     26 15m 36s S, 48 40m 11.172s W   
3        26 15m 36s S, 48 40m 11.172s W  26 15m 49.428s S, 48 39m 38.52s W   

           path distance         total distance  
0  0.7941932910049856 km  0.7941932910049856 km  
1  0.5943709651000332 km  1.3885642561050187 km  
2  3.5914909016938505 km   4.980055157798869 km  
3  0.9958396130609087 km   5.975894770859778 km  
------------------------------------------------------------------------------- 

-> distances DataFrame using tuples:
                       start                  finish         path distance
0  (-26.244333, -48.640946)    (-26.238, -48.64467)  0.7941932910049856 km
1      (-26.238, -48.64467)  (-26.23388, -48.64848)  0.5943709651000332 km
2    (-26.23388, -48.64848)     (-26.26, -48.66977)  3.5914909016938505 km
3       (-26.26, -48.66977)   (-26.26373, -48.6607)  0.9958396130609087 km
------------------------------------------------------------------------------- 

答案 2 :(得分:0)

截至 5 月 19 日

对于处理多个地理位置数据的任何人,您可以修改上述代码,但稍作修改以读取数据驱动器中的 CSV 文件。代码将在标记的文件夹中写入输出距离。

import pandas as pd
from geopy import Point, distance
def get_distances(coords: pd.DataFrame,
   col_lat='lat',
              col_lon='lon',
              point_obj=Point) -> pd.DataFrame:
traces = len(coords) -1
distances = [None] * (traces)
for i in range(traces):
    start = point_obj((coords.iloc[i][col_lat], coords.iloc[i][col_lon]))
    finish = point_obj((coords.iloc[i+1][col_lat], coords.iloc[i+1][col_lon]))
    distances[i] = {
        'start': start,
        'finish': finish,
        'path distance': distance.geodesic(start, finish),
    }
output = pd.DataFrame(distances)
output.to_csv('geopy_output.csv')
return output

我使用了相同的代码并为超过 50,000 个坐标生成了距离数据。