Question

我有一个包含纬度和经度点（apprx 1m）的数据框。

我想计算每个点与所有其他点的半径距离。

示例：

import haversine

lat1 = 40.5; lat2 = 42; long1 = -90; long2 = -93
print( haversine.distance((lat1, long1), (lat2, long2)) )

但是计算1mx1m的计算没有意义，因为对于每个循环，我们需要比之前少1个计算，例如，点1与2的距离与点2的距离相同。

如何减少每一步的计算？

Answer 1

使用矢量化方法：

演示：

In [105]: from sklearn.neighbors import DistanceMetric

In [106]: dist = DistanceMetric.get_metric('haversine')

In [107]: df
Out[107]:
    latitude   longitude
0  38.550420 -121.391416
1  38.473501 -121.490186
2  38.657846 -121.462101
3  38.506774 -121.426951
4  38.637448 -121.384613

In [108]: earth_radius = 6371
     ...: D = dist.pairwise(np.radians(df), np.radians(df)) * earth_radius
     ...:

In [109]: D
Out[109]:
array([[  0.        ,  12.12461135,  13.43188915,   5.75400608,   9.69511663],
       [ 12.12461135,   0.        ,  20.64315089,   6.63158885,  20.41101851],
       [ 13.43188915,  20.64315089,   0.        ,  17.07403265,   7.10128697],
       [  5.75400608,   6.63158885,  17.07403265,   0.        ,  14.9892082 ],
       [  9.69511663,  20.41101851,   7.10128697,  14.9892082 ,   0.        ]])

减少nxn点的距离矩阵的计算

1 个答案: