Question

我有两组点的纬度和经度，我想计算它们之间的成对距离。当两个列表较小时，此方法有效：

from geopy.distance import distance

c1 = [(-34.7102, -58.3853),
     (-32.9406, -60.7136),
     (-34.6001, -58.3729),
     (-38.9412, -67.9948),
     (-35.1871, -59.0968)]

c2 = [(-43.2568, -65.2853),
     (-31.4038, -64.1645),
     (-34.7634, -58.2120),
     (-34.4819, -58.5828),
     (-34.5669, -58.4515),
     (-34.6356, -68.369),
     (-34.4048, -58.6896)]

distances = []
for c in c1:
    this_row = [distance(c, x).meters for x in c2]
    distances.append(this_row)

但是，c1和c2的实际长度分别为50000和15000。当我用我的真实数据运行上述脚本时，它会花费很多时间。我在寻找高效的东西，例如

distances = scipy.spatial.distance.cdist(c1, c2)

这非常快，但是该函数以我所知的未指定单位返回结果。我正在寻找以米为单位的结果。

有什么方法可以更有效地重写第一个脚本？

Answer 1

我考虑了一些选择。这是我所学到的，希望对您有所帮助：

scipy.distance.cdist：
它似乎接受metric作为可调用参数，但是我认为自定义函数也会使事情变慢。

scikitlearn.neighbors.DistanceMetric：
它具有内置的haversine指标。
无论如何，我都无法很好地理解如何使事情正常进行，但是我相信您会找到一种方法。此外，他们声称，对于许多指标而言，DistanceMetric.pairwise会比scipy.cdist慢。

投影：
我发现的唯一可接受的解决方案是在2D平面上进行坐标投影，例如aeqd（为此，我将使用pyproj）。
这样一来，您可以在投影点上使用scipy.cdist并加快处理速度，但是在距离lat_0, lon_0坐标（用作aeqd投影的参考）太远的线对上，精度会降低（可能是不同的投影或某些解决方法都可以解决这个问题。
我发布了您的循环和预测结果以进行比较。

代码：

import numpy as np
import pyproj
import scipy
from geopy.distance import distance

c1 = np.array(
    [(-34.7102, -58.3853),
     (-32.9406, -60.7136),
     (-34.6001, -58.3729),
     (-38.9412, -67.9948),
     (-35.1871, -59.0968)]
    )

c2 = np.array(
    [(-43.2568, -65.2853),
     (-31.4038, -64.1645),
     (-34.7634, -58.2120),
     (-34.4819, -58.5828),
     (-34.5669, -58.4515),
     (-34.6356, -68.369),
     (-34.4048, -58.6896)]
)

# create projections, using a mean (lat, lon) for aeqd
lat_0, lon_0 = np.mean(np.append(c1[:,0], c2[:,0])), np.mean(np.append(c1[:,1], c2[:,1]))
proj = pyproj.Proj(proj='aeqd', lat_0=lat_0, lon_0=lon_0, x_0=lon_0, y_0=lat_0)
WGS84 = pyproj.Proj(init='epsg:4326')

# transform coordinates
projected_c1 = pyproj.transform(WGS84, proj, c1[:,1], c1[:,0])
projected_c2 = pyproj.transform(WGS84, proj, c2[:,1], c2[:,0])
projected_c1 = np.column_stack(projected_c1)
projected_c2 = np.column_stack(projected_c2)

# calculate pairwise distances in km with both methods
sc_dist = scipy.spatial.distance.cdist(projected_c1, projected_c2)
geo_distances = []
for c in c1:
    this_row = [distance(c, x).km for x in c2]
    geo_distances.append(this_row)

print("scipy\n")
print(sc_dist/1000)
print("\n")
print("geopy\n")
print(np.array(geo_distances))

输出：

scipy

[[1120.68384362  652.43817992   16.93436992   31.1480337    17.02161533
   914.68158465   43.91751967]
 [1212.75267066  367.46344647  307.41739698  261.2734859   276.57111944
   733.44881488  248.25303017]
 [1131.82744423  646.91757042   23.36452322   23.31086804    8.09877062
   916.39849619   36.27486327]
 [ 531.58906215  906.44775882  987.23837525  974.96389103  979.98229079
   479.75111318  971.51078808]
 [1042.57374645  631.42752409   93.47695658   91.28419725   90.64134205
   849.25121659   94.46063802]]


geopy

[[1120.50400287  652.32406273   16.93254254   31.1392657    17.01619952
   914.66757909   43.9058496 ]
 [1212.7494454   367.3591636   307.3468806   261.21313155  276.50708156
   733.28119124  248.19563872]
 [1131.65345927  646.79571942   23.35783766   23.30613446    8.09745879
   916.38027748   36.26700778]
 [ 530.49964531  905.85826336  987.20594883  974.95078113  979.96382386
   478.97343089  971.50158032]
 [1042.44765568  631.37206038   93.47402012   91.2737422    90.63359193
   849.24940173   94.44779778]]

Answer 2

cdist支持自定义距离功能，您可以像这样传递它：

from scipy.spatial.distance import cdist
from geopy.distance import distance as geodist # avoid naming confusion

sc_dist = cdist(c1, c2, lambda u, v: geodist(u, v).meters)

我不确定性能。

经度和纬度的点集合之间的成对距离

2 个答案: