![](/img/trans.png)
[英]Calculating the distance between 2 sets of lat/long coordinates with Pandas and Geopy
[英]Calculating distance between *multiple* sets of geo coordinates in python
我正在努力計算多組經緯度坐標之間的距離。 簡而言之,我發現了許多使用數學或地理的教程。 當我只想找到一組坐標(或兩個唯一位置)之間的距離時,這些教程非常有用。 但是,我的目標是掃描具有 400k 原始坐標和目標坐標組合的數據集。 下面列出了我使用的代碼的一個示例,但是當我的數組 > 1 條記錄時,我似乎遇到了錯誤。 任何有用的提示將不勝感激。 謝謝。
# starting dataframe is df
lat1 = df.lat1.as_matrix()
long1 = df.long1.as_matrix()
lat2 = df.lat2.as_matrix()
long2 = df.df_long2.as_matrix()
from geopy.distance import vincenty
point1 = (lat1, long1)
point2 = (lat2, long2)
print(vincenty(point1, point2).miles)
編輯: 這是一個簡單的筆記本示例
一種通用方法,假設您有一個包含點的 DataFrame 列,並且您想要計算所有這些點之間的距離(例如,如果您有單獨的列,首先將它們組合成(lon, lat)
元組)。 命名新的列coords
。
import pandas as pd
import numpy as np
from geopy.distance import vincenty
# assumes your DataFrame is named df, and its lon and lat columns are named lon and lat. Adjust as needed.
df['coords'] = zip(df.lat, df.lon)
# first, let's create a square DataFrame (think of it as a matrix if you like)
square = pd.DataFrame(
np.zeros(len(df) ** 2).reshape(len(df), len(df)),
index=df.index, columns=df.index)
此函數使用輸入列名稱從df
DataFrame 中查找我們的“結束”坐標,然后將 geopy vincenty()
函數應用於輸入列中的每一行,使用square.coords
列作為第一個參數。 這是有效的,因為該函數是從右到左按列應用的。
def get_distance(col):
end = df.ix[col.name]['coords']
return df['coords'].apply(vincenty, args=(end,), ellipsoid='WGS-84')
現在我們已准備好計算所有距離。
我們正在轉置 DataFrame ( .T
),因為我們將用來檢索距離的loc[]
方法是指索引標簽,行標簽。 然而,我們的內部應用函數(見上文)用檢索到的值填充一列
distances = square.apply(get_distance, axis=1).T
您的geopy
值以公里為單位返回 (IIRC),因此您可能需要使用.meters
、 .miles
等將這些值轉換為您想要使用的任何單位。
像下面這樣的東西應該工作:
def units(input_instance):
return input_instance.meters
distances_meters = distances.applymap(units)
您現在可以使用例如loc[row_index, column_index]
索引距離矩陣。 您應該能夠很容易地適應上述內容。 您可能需要調整get_distance
函數中的apply
調用,以確保將正確的值傳遞給great_circle
。 pandas apply
docs 可能很有用,特別是在使用args
傳遞位置參數方面(你需要一個最新的 pandas 版本才能工作)。
這段代碼沒有被分析,可能有更快的方法來完成,但對於 400k 距離計算應該相當快。
我不記得 geopy 是否期望坐標為(lon, lat)
或(lat, lon)
。 我敢打賭是后者(嘆氣)。
更新這是截至 2021 年 5 月的工作腳本。
import geopy.distance
# geopy DOES use latlon configuration
df['latlon'] = list(zip(df['lat'], df['lon']))
square = pd.DataFrame(
np.zeros((df.shape[0], df.shape[0])),
index=df.index, columns=df.index
)
# replacing distance.vicenty with distance.distance
def get_distance(col):
end = df.loc[col.name, 'latlon']
return df['latlon'].apply(geopy.distance.distance,
args=(end,),
ellipsoid='WGS-84'
)
distances = square.apply(get_distance, axis=1).T
我最近不得不做類似的工作,我寫了一個我認為很容易理解和調整到您的需求的解決方案,但可能不是最好/最快的:
它與 urschrei 發布的內容非常相似:假設您想要 Pandas DataFrame 中每兩個連續坐標之間的距離,我們可以編寫一個函數來處理每對點作為路徑的起點和終點,計算距離然后構造一個新的 DataFrame 作為回報:
import pandas as pd
from geopy import Point, distance
def get_distances(coords: pd.DataFrame,
col_lat='lat',
col_lon='lon',
point_obj=Point) -> pd.DataFrame:
traces = len(coords) -1
distances = [None] * (traces)
for i in range(traces):
start = point_obj((coords.iloc[i][col_lat], coords.iloc[i][col_lon]))
finish = point_obj((coords.iloc[i+1][col_lat], coords.iloc[i+1][col_lon]))
distances[i] = {
'start': start,
'finish': finish,
'path distance': distance.geodesic(start, finish),
}
return pd.DataFrame(distances)
coords = pd.DataFrame({
'lat': [-26.244333, -26.238000, -26.233880, -26.260000, -26.263730],
'lon': [-48.640946, -48.644670, -48.648480, -48.669770, -48.660700],
})
print('-> coords DataFrame:\n', coords)
print('-'*79, end='\n\n')
distances = get_distances(coords)
distances['total distance'] = distances['path distance'].cumsum()
print('-> distances DataFrame:\n', distances)
print('-'*79, end='\n\n')
# Or if you want to use tuple for start/finish coordinates:
print('-> distances DataFrame using tuples:\n', get_distances(coords, point_obj=tuple))
print('-'*79, end='\n\n')
-> coords DataFrame:
lat lon
0 -26.244333 -48.640946
1 -26.238000 -48.644670
2 -26.233880 -48.648480
3 -26.260000 -48.669770
4 -26.263730 -48.660700
-------------------------------------------------------------------------------
-> distances DataFrame:
start finish \
0 26 14m 39.5988s S, 48 38m 27.4056s W 26 14m 16.8s S, 48 38m 40.812s W
1 26 14m 16.8s S, 48 38m 40.812s W 26 14m 1.968s S, 48 38m 54.528s W
2 26 14m 1.968s S, 48 38m 54.528s W 26 15m 36s S, 48 40m 11.172s W
3 26 15m 36s S, 48 40m 11.172s W 26 15m 49.428s S, 48 39m 38.52s W
path distance total distance
0 0.7941932910049856 km 0.7941932910049856 km
1 0.5943709651000332 km 1.3885642561050187 km
2 3.5914909016938505 km 4.980055157798869 km
3 0.9958396130609087 km 5.975894770859778 km
-------------------------------------------------------------------------------
-> distances DataFrame using tuples:
start finish path distance
0 (-26.244333, -48.640946) (-26.238, -48.64467) 0.7941932910049856 km
1 (-26.238, -48.64467) (-26.23388, -48.64848) 0.5943709651000332 km
2 (-26.23388, -48.64848) (-26.26, -48.66977) 3.5914909016938505 km
3 (-26.26, -48.66977) (-26.26373, -48.6607) 0.9958396130609087 km
-------------------------------------------------------------------------------
截至 5 月 19 日
對於處理多個地理定位數據的任何人,您可以修改上述代碼,但稍作修改以讀取數據驅動器中的 CSV 文件。 代碼將在標記的文件夾中寫入輸出距離。
import pandas as pd
from geopy import Point, distance
def get_distances(coords: pd.DataFrame,
col_lat='lat',
col_lon='lon',
point_obj=Point) -> pd.DataFrame:
traces = len(coords) -1
distances = [None] * (traces)
for i in range(traces):
start = point_obj((coords.iloc[i][col_lat], coords.iloc[i][col_lon]))
finish = point_obj((coords.iloc[i+1][col_lat], coords.iloc[i+1][col_lon]))
distances[i] = {
'start': start,
'finish': finish,
'path distance': distance.geodesic(start, finish),
}
output = pd.DataFrame(distances)
output.to_csv('geopy_output.csv')
return output
我使用了相同的代碼並為超過 50,000 個坐標生成了距離數據。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.