使用Haversine公式计算距离

Question

对于大型代码转储感到抱歉。我的问题是我的最后一个循环。我正在尝试建立一个新词典，＆＃34;候选人，＆＃34;包含一个站点与另一个站点的所有可能组合，映射到它们之间的距离。例如，假设站点1的ID为1234，站点2的ID为1235，站点3的ID为1236.我希望候选词典最终是{＆＃39; 1234_1235＆＃39; ：距离，＆＃39; 1234_1236＆＃39; ：distance}，即从一个站点到其他站点的所有可能组合。这些组合已包含在dictkey中;我只需要重组它们。这样我就可以弹出最短的距离，并最终得到一个最近邻居的列表＆＃34;到每个网站。

for i in np.arange(num_sites):
    lat1 = lat[i]
    lon1 = lon[i]
    site1=site[i]
    rat1 = lat1*np.pi/180.0
    ron1 = lon1*np.pi/180.0
    for j in np.arange(i+1,num_sites):
        lat2 = lat[j]
        lon2 = lon[j]
        site2= site[j]
        rat2 = lat2*np.pi/180.0
        ron2 = lon2*np.pi/180.0

使用Haversine公式计算距离

        d = 2.0*np.arcsin(np.sqrt((np.sin((rat1-rat2)/2))**2 +
            np.cos(rat1)*np.cos(rat2)*(np.sin((ron1-ron2)/2))**2))

        # dist_arr[i,j] = 6371.0 * d

        dictkey[site1+"_"+site2] = 6371.0*d

temporary = set()
for key in dictkey: 
    parts = key.split("_")
    site_one = parts[0]
    site_two = parts[1]
    temporary.add(site_one)
for temps in temporary:
    candidates = dict()
    for key in dictkey:
        parts = key.split("_")
        site_one = parts[0]
        site_two = parts[1]
        if site_one == temps:
            candidates[site_one] = dictkey[key]

Answer 1

实现它的最简单方法是在计算距离时准备候选人。只准备候选人的词典而不是dict_key：

candidates = {}
for i in np.arange(num_sites):
lat1 = lat[i]
lon1 = lon[i]
site1=site[i]
rat1 = lat1*np.pi/180.0
ron1 = lon1*np.pi/180.0
for j in np.arange(i+1,num_sites):
    lat2 = lat[j]
    lon2 = lon[j]
    site2= site[j]
    rat2 = lat2*np.pi/180.0
    ron2 = lon2*np.pi/180.0

    d = 2.0*np.arcsin(np.sqrt((np.sin((rat1-rat2)/2))**2 +
        np.cos(rat1)*np.cos(rat2)*(np.sin((ron1-ron2)/2))**2))


    distance = 6371.0*d
    if site1 in candidates:
        candidates[site1][site2] = distance
    else:
        candidates[site1] = {site2: distance}

    if site2 in candidates:
        candidates[site2][site1] = distance
    else:
        candidates[site2] = {site1: distance}

上面的解决方案会为您提供字典候选词，其中的词典与所有其他站点保持距离。它当然是双倍大小 - 它为1234->存储相同的数据。 4567和4567 - ＆gt; 1234。

candidates.get('1234', {}).get('4567') == candidates.get('4567', {}).get('1234')
>>True

但是如你所见，它提供了获取价值的简便方法。如果你需要得到例如最低距离到1234的网站：

import operator
closest_site = sorted(candidates.get('1234', {}).items(), key=operator.itemgetter(1))

取自回答1

nearest_site将是元组：(<ID of closest site>, <distance>)

如果您需要更高效的内存解决方案，请写信。这不是最佳的，因为生成双倍大小的数据。

<强>更新

如果您需要获取原始网站的ID以及最短距离网站：

closest_site = (candidates.get('1234'),) + sorted(candidates.get('1234', {}).items(), key=operator.itemgetter(1))

then_mostsite：(<ID of original site>, <ID of closest site>, <distance>)

从前一个

使用Haversine公式计算距离

1 个答案: