獲取兩個 geopandas 數據框幾何點之間的距離

Question

我第一次使用空間數據。 我必須比較兩個具有經緯度和經度詳細信息的數據框。 我已將兩者都轉換為 GeoPandas 數據框。

import pandas as pd
from pandas import DataFrame
import geopandas as gpd
from neighbors import nearest_neighbor


df = pd.DataFrame([[1973,22.525158,88.330775],[1976,72.85136,19.10840],[898,91.78523,26.15012]],columns=['id', 'lat', 'long'])
gdf1 = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.long,df.lat))

df2 = pd.DataFrame([['06c979eaa59f',29.873870,76.965620],['19aedbb2e743',20.087574,76.180045],['5060a3931a43',31.289770,75.572340]],columns=['id','lat','lon']) 
gdf2 = gpd.GeoDataFrame(df2, geometry=gpd.points_from_xy(df2.lon,df2.lat))

我的 DF1 有 100 萬行，而 df2 有大約 7000 行。 我正在嘗試為 DF1 中的每條記錄從 DF2 獲取最近的鄰居。

我試過兩種方法。 兩者都運行得非常快，結果可行。 但是，它們並不准確。

方法一：

請檢查此鏈接

在此頁面中，我使用了sklearn.neighbors中的最近鄰方法。 這將返回以米為單位的結果。 但是，當我從兩個數據幀手動檢查 lat long 之間的距離時，我總是發現最近的鄰居返回 1/4 的距離。

比如上面方法返回的距離是125米，google map和https://www.geodatasource.com/distance-calculator都返回500米左右的距離。 距離的差異一直在返回結果的 4 倍左右波動。

方法二：

在第二種方法中，我遵循了 gis.stackexchange.com 中給出的代碼。

https://gis.stackexchange.com/questions/222315/geopandas-find-nearest-point-in-other-dataframe

import itertools
from operator import itemgetter

import geopandas as gpd
import numpy as np
import pandas as pd

from scipy.spatial import cKDTree
from shapely.geometry import Point, LineString

df = pd.DataFrame([[1973,22.525158,88.330775],[1976,72.85136,19.10840],[898,91.78523,26.15012]],columns=['id', 'lat', 'long'])
gdf1 = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.long,df.lat))

df2 = pd.DataFrame([['06c979eaa59f',29.873870,76.965620],['19aedbb2e743',20.087574,76.180045],['5060a3931a43',31.289770,75.572340]],columns=['id','lat','lon']) 
gdf2 = gpd.GeoDataFrame(df2, geometry=gpd.points_from_xy(df2.lon,df2.lat))

在此，我用自己的數據框替換了 gpd1 和 gpd2。

def ckdnearest(gdfA, gdfB, gdfB_cols=['id']):
    # resetting the index of gdfA and gdfB here.
    gdfA = gdfA.reset_index(drop=True)
    gdfB = gdfB.reset_index(drop=True)
    A = np.concatenate(
        [np.array(geom.coords) for geom in gdfA.geometry.to_list()])
    B = [np.array(geom.coords) for geom in gdfB.geometry.to_list()]
    B_ix = tuple(itertools.chain.from_iterable(
        [itertools.repeat(i, x) for i, x in enumerate(list(map(len, B)))]))
    B = np.concatenate(B)
    ckd_tree = cKDTree(B)
    dist, idx = ckd_tree.query(A, k=1)
    idx = itemgetter(*idx)(B_ix)
    gdf = pd.concat(
        [gdfA, gdfB.loc[idx, gdfB_cols].reset_index(drop=True),
         pd.Series(dist, name='dist')], axis=1)
    return gdf

c = ckdnearest(gdf1, gdf2)

以上運行速度非常快並返回結果。 然而，返回的距離值至少比我得到的低 100 倍。

乘數：107.655914

在上面的 excel pic 中，第一列表示 python 返回的結果，而第二列表示上面給出的同一網站返回的結果。 雖然結果中的這些近似值讓我開始，但我想要准確的結果。 如何比較上面給出的兩個數據框，並為 DF1 中的每一行獲取最准確的最近距離。

Answer 1

處理空間數據時，您應該注意點坐標是從球體投影到平面中的。 在墨卡托投影中，緯度點之間的距離以度為單位，而不是米。 並且轉換取決於點的緯度，因為赤道的 1 度將比高緯度的 1 度少米。

您可以查看此討論以了解此問題的可能解決方案： https://gis.stackexchange.com/questions/293310/how-to-use-geoseries-distance-to-get-the-right-answer

舉個例子，一種可能性是您將地理數據框轉換為覆蓋您所在地區的 UTM 投影。 例如，比利時與 UTM 區域 31N EPSG:32631相交。 墨卡托投影有一個 epsg 代碼 EPSG:4326。 要轉換 GeoDataFrame/GeoSeries，您需要在創建時提供 CRS：

s = gpd.GeoSeries(points, crs=4326)

其中 points 是shapely.geometry.Point的列表

然后轉換為給定的 UTM：

s_utm = s.to_crs(epsg=32631)

現在，您將在s_utm中計算的點之間的距離以米為單位。

但是，您需要確保您的點確實落入給定的 UTM 區域，否則結果將不准確。 我鏈接的答案表明其他方法也可能有效，並且可以應用於整個點的集合。

您也可以嘗試轉換為 EPSG 32663（WGS 84 / 世界等距圓柱），它應該保持距離。

另一種選擇可能是使用geopy ，它允許使用geopy.geodesic.distance計算測地線距離