论坛 › 新手乐园 › 两种经纬度计算距离的方法，推荐使用二

txl1988 发表于 2021-4-2 09:19:05

两种经纬度计算距离的方法，推荐使用二

本帖最后由 txl1988 于 2021-4-2 09:23 编辑

工作需要，计算经纬度间的距离之前都是用别人的vba，这不咱也认真学了小甲鱼的Python嘛，所以尝试着用Python来完成
csv表结构非常简单，就三列
用了两种方法，第一种方法，用 for ，数据量非常的时候，计算的速度还能接受，但是1000*1000的数据，就计算不出来了（用了半天没出结果就取消了）
通过学习得到第二种方法，速度真快，还是1000*1000的数据，1分钟不到
那废话不多说，上干活

求大佬指点，怎么样设计（修改）代码，看上去更加专业点呢

方法一：不推荐啊，只做一种失败的思路参考
# -*- coding: utf-8 -*-
"""
Created on Tue Dec 22 10:35:30 2020

@author: Administrator

多个经纬度距离计算
1、修改man函数里面，涉及路径和文件名，其他部分不做修改，执行结果的距离单位为 米m
2、输入文件列名，Name，Longitude，Latitude（Name就是这个经纬度的标识，可以是基站，小区，eci等等）
"""

from math import pi, asin, sqrt, sin, cos, pow
import pandas as pd
from pandas import DataFrame
import time


def rad(d):
    # math.pi = 圆周率π
    return d * pi / 180.0

def getDistance(lat1, lng1, lat2, lng2):
    # 计算两个经纬度之间的距离
    # 地球半径 km 6371.393和6378.137,一般取值6371.393
    EARTH_REDIUS = 6371393
    radLat1 = rad(lat1)
    radLat2 = rad(lat2)

    # 计算两个经度/维度之差，调用上边rad(d)函数
    a = rad(lat1) - rad(lat2)
    b = rad(lng1) - rad(lng2)
    s = 2 * asin(sqrt(pow(sin(a/2), 2) + cos(radLat1) * cos(radLat2) * pow(sin(b/2), 2)))
    s = s * EARTH_REDIUS
    # 格式化字符串，保留2位小数
#    s = '%.2f' % s
    return s

def data(l1,l2):
    # 计算所有经纬度之间的距离

    new_df = DataFrame(columns=['Name_1','Latitude_1','Longitude_1',
                              'Name_2','Latitude_2','Longitude_2',
                              'Distance_m'])
   
    for a,b in l1.iterrows():
      for c,d in l2.iterrows():
            lat1 = b['Latitude']
            lng1 = b['Longitude']
            name1 = b['Name']
            
            lat2 = d['Latitude']
            lng2 = d['Longitude']
            name2 = d['Name']
            
            # 距离计算
            jl = getDistance(lat1, lng1, lat2, lng2)
            # 创建新表临时保存
            row =DataFrame([dict(Name_1=name1, Latitude_1=lat1, Longitude_1=lng1,
                                 Name_2=name2, Latitude_2=lat2, Longitude_2=lng2,
                                 Distance_m = jl), ])
            
            
# =============================================================================
#             # 这一步要对row的列名进行排序，否则会有提示信息，强迫症看着不舒服，append 排序是因为非连接轴未对齐,或者添加sort=False参数忽略
#             row = row[['Name_1','Latitude_1','Longitude_1',
#                        'Name_2','Latitude_2','Longitude_2',
#                        'Distance_m']]
# =============================================================================
   
            # append ，ignore_index=True 根据列名字段对齐，然后合并。最后再重新整理一个新的index。
            new_df = new_df.append(row,ignore_index=True,sort=True)
            new_df = new_df.sort_values(by="Distance_m", ascending=True)
            new_df.drop_duplicates(subset=['Name_1'],keep='first',inplace=True)
# =============================================================================
#             # 如果只对小于n的距离，进行保存，需要加个判断条件,例小于3km
#             if row['Distance_m'].values < 44000:
#               new_df = new_df.append(row,ignore_index=True,sort=True)
#            
# =============================================================================
            
    #默认排序是按照字母升序（a,b,c,d...）,此代码是指定排序方式
    new_df=new_df[['Name_1','Latitude_1','Longitude_1',
                   'Name_2','Latitude_2','Longitude_2',
                   'Distance_m']]
   
#    # 取最近距离
#    #https://developer.aliyun.com/article/705184
#    # 按照距离，升序（小到大）
#    new_df = new_df.sort_values(by="Distance_m", ascending=True)
#    # 去重
#    new_df.drop_duplicates(subset=['Name_1'],keep='first',inplace=True)
#   
   
   
    return new_df


def main():
    starttime = time.time()

    # print("两点间的距离为:%.2f km" %jl)
    path_1 = r"C:\Users\Administrator\练习\经纬度距离计算1.csv"
   
    l1 = pd.read_csv(path_1, encoding='gbk', engine='python')
    path_2 = r"C:\Users\Administrator\练习\经纬度距离计算2.csv"
   
    l2 = pd.read_csv(path_2, encoding='gbk', engine='python')

    result = data(l1,l2)
   
    result.to_csv(r'C:\Users\Administrator\练习\经纬度距离结果.csv',index=0,encoding='gbk')

    print("finish")

if __name__ == "__main__":
    print('start...')
    main()




方法二：强烈推荐哦
# -*- coding: utf-8 -*-
"""
Created on Wed Mar 31 16:36:47 2021

@author: Administrator
"""

# -*- coding: utf-8 -*-
"""
Created on Tue Dec 22 10:35:30 2020

@author: Administrator

多个经纬度距离计算
1、修改man函数里面，涉及路径和文件名，其他部分不做修改，执行结果的距离单位为 米m
2、输入文件列名，Name，Longitude，Latitude（Name就是这个经纬度的标识，可以是基站，小区，eci等等）
"""

from math import pi, asin, sqrt, sin, cos, pow
import pandas as pd
from pandas import DataFrame
import numpy as np
import time


def rad(d):
    # math.pi = 圆周率π
    return d * pi / 180.0

def getDistance(lat1, lng1, lat2, lng2):
    # 计算两个经纬度之间的距离
    # 地球半径 km 6371.393和6378.137,一般取值6371.393   
    EARTH_REDIUS = 6371393
    # 上边rad()函数可以转换成 rad = lambda d:d * pi / 180.0
    radLat1 = rad(lat1)
    radLat2 = rad(lat2)

    # 计算两个经度/维度之差，调用上边rad(d)函数
    a = rad(lat1) - rad(lat2)
    b = rad(lng1) - rad(lng2)
    s = 2 * asin(sqrt(pow(sin(a/2), 2) + cos(radLat1) * cos(radLat2) * pow(sin(b/2), 2)))
    s = s * EARTH_REDIUS
    # 格式化字符串，保留2位小数
#    s = '%.2f' % s
    return s

def data(l1,l2):
    # 计算所有经纬度之间的距离
    #构造共同的列，赋予同样的值
    l1['value']=1
    l2['value']=1

    #将两个数据集进行左连接,笛卡尔积
    Crt_prod=pd.merge(l1,l2,how='left',on='value')
    del Crt_prod['value']
#    #可以修改列名
#    a.rename(columns={'A':'a', 'B':'b', 'C':'c'}, inplace = True)
   
    # 调用计算距离的函数，此处体现能力的时候，之前使用两个for循环，数据多时计算不出来，通过查询，此方法大大节约了时间
    Crt_prod['distance']=Crt_prod.apply(lambda ser: getDistance(ser['Latitude_x'], ser['Longitude_x'], ser['Latitude_y'], ser['Longitude_y']),axis=1)

# =============================================================================
    #如果需要得到到与path_2的哪个位置点与path_1每个位置点的距离最近，运行下面的代码
    #按照distance升序排列，按照name_x 去重
    Crt_prod = Crt_prod.sort_values(by="distance", ascending=True)
#    # 去重
    Crt_prod.drop_duplicates(subset=['Name_x'],keep='first',inplace=True)
   
# =============================================================================
   
## =============================================================================
#    #如果按照两点的距离，去除超远距离的，执行此处,主要现在的单位是米
#
#    Crt_prod = Crt_prod < 100]
#
#   
## =============================================================================

    return Crt_prod


def main():
    starttime = time.time()
    # print("两点间的距离为:%.2f km" %jl)
    path_1 = r"C:\Users\Administrator\练习\经纬度距离计算1.csv"

    l1 = pd.read_csv(path_1, encoding='gbk', engine='python')
    path_2 = r"C:\Users\Administrator\练习\经纬度距离计算2.csv"

    l2 = pd.read_csv(path_2, encoding='gbk', engine='python')

    result = data(l1,l2)
   
    result.to_csv(r'C:\Users\Administrator\练习\经纬度距离结果.csv',index=0,encoding='gbk')
   
    print("finish")
    endtime=time.time()
    cost_time = endtime - starttime
    print('处理完成，程序运行时间： {}秒'.format(float('%.2f' % cost_time)))

if __name__ == "__main__":
    print('start...')
    main()

wp231957 发表于 2021-4-2 09:30:35

如果是py3.x的话，第一行代码就可以删除了

txl1988 发表于 2021-4-2 09:41:41

wp231957 发表于 2021-4-2 09:30
如果是py3.x的话，第一行代码就可以删除了

感谢大佬点评，我用的Spyder，他自动生成出来的

wp231957 发表于 2021-4-2 09:48:06

txl1988 发表于 2021-4-2 09:41
感谢大佬点评，我用的Spyder，他自动生成出来的

它计算的应该是直线距离吧

txl1988 发表于 2021-4-2 10:25:34

wp231957 发表于 2021-4-2 09:48
它计算的应该是直线距离吧

嗯，带地球弧度的直线距离

wp231957 发表于 2021-4-2 10:29:02

txl1988 发表于 2021-4-2 10:25
嗯，带地球弧度的直线距离

这是什么意思，举个例子，跑道是100米
那么我们通过你这种算法，测出跑道起点和终点gps，那么计算出来的是否是100米

txl1988 发表于 2021-4-2 10:50:07

wp231957 发表于 2021-4-2 10:29
这是什么意思，举个例子，跑道是100米
那么我们通过你这种算法，测出跑道起点和终点gps，那么计算出来的 ...

不能严格意义上说是直线距离
地图是圆的，因引力作用我们都在地球表面，
就是你拿个篮球，从球表面一个点到另外一个点的距离，不能穿过篮球去测量直线距离吧，应该是那个软尺测量表面距离，是一个意思。
因为100m对于地球半径6371km来说非常小了，测量和计算出来的距离，误差都是在可接受的范围内。
如果测量从广州到黑龙江的距离，不可能拿个尺子去测量，只能通过这种计算的方式，来得到距离。
明白？

wp231957 发表于 2021-4-2 10:54:55

txl1988 发表于 2021-4-2 10:50
不能严格意义上说是直线距离
地图是圆的，因引力作用我们都在地球表面，
就是你拿个篮球，从球表面一个 ...

就相当于拿个尺子，在地球仪上测量，其结果是包含弧度的

wp231957 发表于 2021-4-2 10:56:19

txl1988 发表于 2021-4-2 10:50
不能严格意义上说是直线距离
地图是圆的，因引力作用我们都在地球表面，
就是你拿个篮球，从球表面一个 ...

但是高德计算出来的应该是直线距离吧，而且中间还包含各种拐点

txl1988 发表于 2021-4-2 14:03:54

wp231957 发表于 2021-4-2 10:56
但是高德计算出来的应该是直线距离吧，而且中间还包含各种拐点

他计算的应该是路线，有道路的距离

查看完整版本: 两种经纬度计算距离的方法，推荐使用二