Python求和地理半徑內的lat / lon點和網格的總和

Question

基本上，我的實驗程序試圖找到在給定時間落在有效點的半徑（例如，50km）內的點的數量。 我的數據是在三個獨立的數組中構建的（但我可以根據需要進行重組），例如：

1_LAT，1_LON，1_TIM

其中1_LAT，1_LON，1_TIM都包含分別對應於緯度，經度（十進制度）和時間的約250個值。

我有20組這些數組（即1_LAT，1_LON，1_TIM ... 20_LAT，20_LON，20_TIM）。

這是我想要完成的：

1）計算出落在每組特定半徑內的緯度/經度集的數量。 例如，有多少點落在1_LAT半徑的50km范圍內，在1_TIM的有效時間內從其他19組點落入1_LON。 然后，我想迭代每個有效時間，以確定每個特定點和有效時間的有效半徑中的點數。

我附上了一張圖片，以幫助直觀地描述。

黑色方塊表示LAT_1 / LON_1陣列中的所有點。 藍色方塊表示LAT_n / LAT_n陣列中的所有點。

我想計算每組lat / lon數組在每個有效時間內每個半徑的點數。 最終顯示將是地理底圖圖像上的每個網格點的明暗（即，計數數量/ 20）的總和柵格或網格網格。

我有一種感覺，KDEtree可能是實現這一目標的最佳方式，但我很少/沒有經驗。 任何想法或建議將不勝感激。

Answer 1

您可以執行以下操作...首先，將每個組的(x, y)坐標分組到一個points_x數組中：

points_1 = np.column_stack((LAT_1, LON_1))
...
points_n = np.column_stack((LAT_n, LON_n))

將它們存儲在數組列表中可能是個好主意：

points = [point_1, points_2, ..., points_n]

現在，從每組點中創建一個kdTree：

import scipy.spatial as spsp
kdtrees = [spsp.cKdTree(p) for p in point]

你准備好了。 如果您現在運行以下代碼：

r = whatever_your_threshold_value_is
points_within_r = np.zeros((len(kdtrees), len(kdtrees)), dtype=np.int)
for j in xrange(len(kdtrees)):
    for k in xrange(j+1, len(kdtrees)):
        points_within_r[j, k] = kdtrees[j].count_neighbors(kdtrees[k], r, 2)
points_within_r = points_within_r + points_within_r.T

您現在應該發現points_within_r[j, k]擁有多點如何points_j的半徑范圍內r中的一個點的points_k 。

請記住，這里的距離是坐標的歐氏距離，而忽略了它們測量的是球面角度的事實。