|
|
马上注册，结交更多好友，享用更多功能^_^
您需要 登录 才可以下载或查看，没有账号？立即注册
x
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 [Name Longitude Latitude ]
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[Crt_prod['distance'] < 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()
|
|
( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)
狗仔卡
发表于 2021-4-2 09:19:05
置顶卡
千斤顶
显身卡
发表于 2021-4-2 09:30:35
楼主