Question

我有以下代码需要很长时间才能执行。大熊猫DataFrame df和df_plants非常小（小于1Mb）。我想知道是否有任何方法可以优化此代码：

import pandas as pd
import geopy.distance
import re

def is_inside_radius(latitude, longitude, df_plants, radius):
    if (latitude != None and longitude != None):
        lat = float(re.sub("[a-zA-Z]", "", str(latitude)))
        lon = float(re.sub("[a-zA-Z]", "", str(longitude)))
        for index, row in df_plants.iterrows():
            coords_1 = (lat, lon)
            coords_2 = (row["latitude"], row["longitude"])
            dist = geopy.distance.distance(coords_1, coords_2).km
            if dist <= radius:
                return 1
    return 0

df["inside"] = df.apply(lambda row: is_inside_radius(row["latitude"],row["longitude"],df_plants,10), axis=1)

我使用正则表达式来处理df中的纬度和经度，因为这些值包含一些错误（字符），应将其删除。

函数is_inside_radius验证row[latitude]和row[longitude]是否在距df_plants中任何点10公里的半径之内。

Answer 1

我以前遇到过这样的问题，并且看到了一个简单的优化方法：尽可能避免浮点计算，您可以执行以下操作：
想象一下：
您有一个圆，由Mx和My（中心坐标）和R（半径）定义。
您有一个点，由X和Y坐标定义。

如果您的点（X，Y）不在由（Mx，My）和大小2 * R定义的正方形内，那么它也将不在由（Mx，My）和半径定义的圆内R.
用伪代码：

function is_inside(X,Y,Mx,My,R):
  if (abs(Mx-X) >= R) OR (abs(My-Y) >= R)
  then return false
  else:
    // and only here you perform the floating point calculation

Answer 2

你可以试试吗？

import pandas as pd
from geopy import distance
import re

def is_inside_radius(latitude, longitude, df_plants, radius):
  if (latitude != None and longitude != None):
    lat = float(re.sub("[a-zA-Z]", "", str(latitude)))
    lon = float(re.sub("[a-zA-Z]", "", str(longitude)))
    coords_1 = (lat, lon)

    for row in df_plants.itertuples():
      coords_2 = (row["latitude"], row["longitude"])
      if distance.distance(coords_1, coords_2).km <= radius:
        return 1
  return 0

df["inside"] = df.map(
                    lambda row: is_inside_radius(
                      row["latitude"],
                      row["longitude"],
                      df_plants,
                      10),
                    axis=1)

如何检查点在给定半径内？

2 个答案: