Question

是否有一个Python模块，我可以创建具有地理位置坐标（纬度和经度）的对象，并查询所有对象是否在给定坐标的5公里距离（即半径）内？

我一直试图将纬度和经度存储为字典中的键（因为它们是按键索引的）并使用一些距离查找算法来查询它们。但这感觉就像一个可怕的黑客。

基本上类似PostGIS for PostgreSQL，但都在我的Python应用程序的内存中。

Answer 1

是的，请尝试geopy。

import geopy
import geopy.distance

pt1 = geopy.Point(48.853, 2.349)
pt2 = geopy.Point(52.516, 13.378)

dist = geopy.distance.distance(pt1, pt2).km
# 878.25

之后您可以查询您的积分列表：

[pt for pt in points if geopy.distance.distance(orig, pt).km < 5.]

Answer 2

我知道这不是你的意思，但你可以将GeoDjango与内存中的SQLite数据库一起使用。它是作为Web应用程序公开的一整套GIS工具，使其成为快速开发GIS应用程序的瑞士军刀，尤其适用于小型即席查询。

Answer 3

GIS中的常用方法是在感兴趣的点周围创建一个缓冲区并查询交叉点。正如@RyanDalton建议的那样，如果你打算做很多地理位置的东西，可以使用Shapely， GIS API for Python。即使您仍然需要空间索引，也很了解Shapely（见下文）。以下是如何在Shapely中创建缓冲区：

distance = 3
center = Point(1, 1)
pts = [Point(1.1, 1.2),Point(1.2,1.2)]
center_buf = a.buffer(distance)
#filters the points list according to whether they are contained in the list
contained = filter(center_buf.contains,pts)

你可以自己索引你的积分（例如，经度来说），如果你没有很多。否则您也可以使用Rtree包，查看名为Using Rtree as a cheapo spatial database的链接！

Answer 4

你的字典想法听起来并不那么糟糕，但你也需要检查属于“邻近”字典键的点。

如果你找不到合适的工具，并且喜欢编码算法，那么你可以实现一个二进制空间分区树，它可以用来实现类似的东西。

Answer 5

您可以使用具有Rtree扩展名的SQLite来完成这种存储和查询。如果您的数据大于要使用的内存，或者您希望在程序运行之间保存和操作数据，则此方法很有用。实际的存储和查询代码是在C中，这意味着它必须被编译，但其好处是比纯gep的纯Python解决方案更具性能。 pysqlite或APSW都适用于SQLite访问。（披露：我是APSW的作者。）

Answer 6

你看过Shapely了吗？它有一些查询距离内对象的方法。看看Binary Spatial Predicates。它可能就是你要找的东西。

Answer 7

我有一个类似的问题，看来使用SciPy的cKDTree进行快速最近点查找以及使用GeoPy进行地理距离计算可以很好地工作。

In [1]: import numpy as np
In [2]: from scipy.spatial import cKDTree
In [3]: from geopy import Point, distance
In [4]: points = np.random.sample((100000, 2)) * 180 - 90   # make 100k random lat-long points
In [5]: index = cKDTree(points)
In [6]: %time lat_long_dist, inds = index.query(points[234], 20)
CPU times: user 118 µs, sys: 164 µs, total: 282 µs
Wall time: 248 µs
In [7]: points_geopy = [Point(*p) for p in points]
In [8]: %time geo_dists = [distance.great_circle(points_geopy[234], points_geopy[i]) for i in inds]
CPU times: user 244 µs, sys: 218 µs, total: 462 µs
Wall time: 468 µs
In [9]: geo_dists
Out[9]: 
[Distance(0.0),
 Distance(29.661520907955524),
 ...
 Distance(156.5471729956897),
 Distance(144.7528417712309)]

要获得半径内的所有点，需要做一些额外的工作。

我尝试了Shapely的STRtree，但性能差得多（我安装了pip install shapely[vectorized]）。

用于存储和查询地理坐标的Python模块

7 个答案: