Question

我正在根据坐标计算两个全球位置之间的距离。当仅使用两个位置时，我得到结果：

def global_distance(location1, location2):
    lat1, lon1 = location1
    lat2, lon2 = location2
    radius = 6371 # radius of the Earth

    dlat = math.radians(lat2-lat1)
    dlon = math.radians(lon2-lon1)
    a = math.sin(dlat/2) * math.sin(dlat/2) + math.cos(math.radians(lat1)) \
        * math.cos(math.radians(lat2)) * math.sin(dlon/2) * math.sin(dlon/2)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    d = radius * c

    return d

lat1 = 55.32; lat2 = 54.276; long1 = -118.8634; long2 = -117.276


print( global_distance((lat1, long1), (lat2, long2)))

如果我想计算几个位置之间的距离怎么办？假设我有一个包含三个位置的CSV文件：

Location   Lat1      Long1      
 A         55.322    -117.17
 B         57.316    -117.456
 C         54.275    -116.567

如何迭代这两列并在（A，B），（A，C）和（B，C）之间产生距离？

Answer 1

假设您已将CSV读入某种序列序列（例如list(csv.reader(f))），您需要做的就是迭代所有位置组合。这正是itertools.combinations的作用：

>>> locs = [('A', 55.322, -117.17), ('B', 57.316, -117.456), ('C', 54.275, 116.567)]
>>> for (loc1, lat1, lon1), (loc2, lat2, lon2) in itertools.combinations(locs, 2):
...     print(loc1, loc2, global_distance((lat1, lon1), (lat2, lon2)))
A B 222.42244003744995
A C 122.66829007875741
B C 342.67144769115316

在您查看上述链接文档时，请注意combinations_with_replacement，permutations和product，这些问题通常是类似但略有不同的问题的答案。

这应该很容易适应一系列dicts，或Location实例的字典等。另一方面，如果你有类似2D numpy数组或pandas DataFrame的东西，你可以想要做些不同的事情。（虽然通过快速搜索，看起来只是制作itertools fromiter组合的数组global_distance并不比其他任何组合慢得多，即使您想要将空间交换时间也是如此广播您的video = VideoFileClip("path") OSError: [WinError 193] %1 is not valid win32 application.功能。）

Answer 2

我通过pandas从您的文件中导入数据：

import pandas as pd
df = pd.read_table(filename, sep='\s+', index_col=0)

此外，您可以导入itertools：

import itertools as it

有了这个，你就可以获得像这样的迭代的所有组合，作为数据帧索引的例子：

for i in it.combinations(df.index, 2): print(i)
('A', 'B')
('A', 'C')
('B', 'C')

这表明，您将获得所需的组合。现在对数据帧的数据执行相同的操作：

for i in it.combinations(df.values, 2): print(global_distance(i[0], i[1]))
222.4224400374507
122.66829007875636
342.671447691153

如果您想要在输出中包含位置名称，则可以在导入时保留index_col=0，以便A，B和C也是df.values的一部分，您可以写：

for i in it.combinations(df.values, 2): print(i[0][0], '-', i[1][0], global_distance(i[0][1:], i[1][1:]))
A - B 222.4224400374507
A - C 122.66829007875636
B - C 342.671447691153

计算多个地点之间的全球距离

2 个答案: