两种经纬度计算距离的方法，推荐使用二

txl1988

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

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Tue Dec 22 10:35:30 2020
   
4. 
   
5. @author: Administrator
   
6. 
   
7. 多个经纬度距离计算
   
8. 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
   
9. 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）
   
10. """
    
11. 
    
12. from math import pi, asin, sqrt, sin, cos, pow
    
13. import pandas as pd
    
14. from pandas import DataFrame
    
15. import time
    
16. 
    
17. 
    
18. def rad(d):
    
19.     # math.pi = 圆周率π
    
20.     return d * pi / 180.0
    
21. 
    
22. def getDistance(lat1, lng1, lat2, lng2):
    
23.     # 计算两个经纬度之间的距离
    
24.     # 地球半径 km 6371.393和6378.137,一般取值6371.393
    
25.     EARTH_REDIUS = 6371393
    
26.     radLat1 = rad(lat1)
    
27.     radLat2 = rad(lat2)
    
28. 
    
29.     # 计算两个经度/维度之差，调用上边rad(d)函数
    
30.     a = rad(lat1) - rad(lat2)
    
31.     b = rad(lng1) - rad(lng2)
    
32.     s = 2 * asin(sqrt(pow(sin(a/2), 2) + cos(radLat1) * cos(radLat2) * pow(sin(b/2), 2)))
    
33.     s = s * EARTH_REDIUS
    
34.     # 格式化字符串，保留2位小数
    
35. #    s = '%.2f' % s
    
36.     return s
    
37. 
    
38. def data(l1,l2):
    
39.     # 计算所有经纬度之间的距离
    
40. 
    
41.     new_df = DataFrame(columns=['Name_1','Latitude_1','Longitude_1',
    
42.                                 'Name_2','Latitude_2','Longitude_2',
    
43.                                 'Distance_m'])
    
44.    
    
45.     for a,b in l1.iterrows():
    
46.         for c,d in l2.iterrows():
    
47.             lat1 = b['Latitude']
    
48.             lng1 = b['Longitude']
    
49.             name1 = b['Name']
    
50.             
    
51.             lat2 = d['Latitude']
    
52.             lng2 = d['Longitude']
    
53.             name2 = d['Name']
    
54.             
    
55.             # 距离计算
    
56.             jl = getDistance(lat1, lng1, lat2, lng2)
    
57.             # 创建新表临时保存
    
58.             row =  DataFrame([dict(Name_1=name1, Latitude_1=lat1, Longitude_1=lng1,
    
59.                                    Name_2=name2, Latitude_2=lat2, Longitude_2=lng2,
    
60.                                    Distance_m = jl), ])
    
61.             
    
62.             
    
63. # =============================================================================
    
64. #             # 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
    
65. #             row = row[['Name_1','Latitude_1','Longitude_1',
    
66. #                        'Name_2','Latitude_2','Longitude_2',
    
67. #                        'Distance_m']]
    
68. # =============================================================================
    
69.    
    
70.             # 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。
    
71.             new_df = new_df.append(row,ignore_index=True,sort=True)
    
72.             new_df = new_df.sort_values(by="Distance_m", ascending=True)
    
73.             new_df.drop_duplicates(subset=['Name_1'],keep='first',inplace=True)
    
74. # =============================================================================
    
75. #             # 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
    
76. #             if row['Distance_m'].values < 44000:
    
77. #                 new_df = new_df.append(row,ignore_index=True,sort=True)
    
78. #            
    
79. # =============================================================================
    
80.             
    
81.     #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
    
82.     new_df=new_df[['Name_1','Latitude_1','Longitude_1',
    
83.                    'Name_2','Latitude_2','Longitude_2',
    
84.                    'Distance_m']]
    
85.    
    
86. #    # 取最近距离
    
87. #    #https://developer.aliyun.com/article/705184
    
88. #    # 按照距离，升序（小到大）
    
89. #    new_df = new_df.sort_values(by="Distance_m", ascending=True)
    
90. #    # 去重
    
91. #    new_df.drop_duplicates(subset=['Name_1'],keep='first',inplace=True)
    
92. #   
    
93.    
    
94.    
    
95.     return new_df
    
96. 
    
97. 
    
98. def main():
    
99.     starttime = time.time()
    
100. 
     
101.     # print("两点间的距离为:%.2f km" %jl)
     
102.     path_1 = r"C:\Users\Administrator\练习\经纬度距离计算1.csv"
     
103.    
     
104.     l1 = pd.read_csv(path_1, encoding='gbk', engine='python')
     
105.     path_2 = r"C:\Users\Administrator\练习\经纬度距离计算2.csv"
     
106.    
     
107.     l2 = pd.read_csv(path_2, encoding='gbk', engine='python')
     
108. 
     
109.     result = data(l1,l2)
     
110.    
     
111.     result.to_csv(r'C:\Users\Administrator\练习\经纬度距离结果.csv',index=0,encoding='gbk')
     
112. 
     
113.     print("finish")
     
114.   
     
115. if __name__ == "__main__":
     
116.     print('start...')
     
117.     main()
     

复制代码

方法二：强烈推荐哦

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Wed Mar 31 16:36:47 2021
   
4. 
   
5. @author: Administrator
   
6. """
   
7. 
   
8. # -*- coding: utf-8 -*-
   
9. """
   
10. Created on Tue Dec 22 10:35:30 2020
    
11. 
    
12. @author: Administrator
    
13. 
    
14. 多个经纬度距离计算
    
15. 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
    
16. 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）
    
17. """
    
18. 
    
19. from math import pi, asin, sqrt, sin, cos, pow
    
20. import pandas as pd
    
21. from pandas import DataFrame
    
22. import numpy as np
    
23. import time
    
24. 
    
25. 
    
26. def rad(d):
    
27.     # math.pi = 圆周率π
    
28.     return d * pi / 180.0
    
29. 
    
30. def getDistance(lat1, lng1, lat2, lng2):
    
31.     # 计算两个经纬度之间的距离
    
32.     # 地球半径 km 6371.393和6378.137,一般取值6371.393   
    
33.     EARTH_REDIUS = 6371393
    
34.     # 上边rad()函数可以转换成 rad = lambda d:d * pi / 180.0
    
35.     radLat1 = rad(lat1)
    
36.     radLat2 = rad(lat2)
    
37. 
    
38.     # 计算两个经度/维度之差，调用上边rad(d)函数
    
39.     a = rad(lat1) - rad(lat2)
    
40.     b = rad(lng1) - rad(lng2)
    
41.     s = 2 * asin(sqrt(pow(sin(a/2), 2) + cos(radLat1) * cos(radLat2) * pow(sin(b/2), 2)))
    
42.     s = s * EARTH_REDIUS
    
43.     # 格式化字符串，保留2位小数
    
44. #    s = '%.2f' % s
    
45.     return s
    
46. 
    
47. def data(l1,l2):
    
48.     # 计算所有经纬度之间的距离
    
49.     #构造共同的列，赋予同样的值
    
50.     l1['value']=1
    
51.     l2['value']=1
    
52. 
    
53.     #将两个数据集进行左连接,笛卡尔积
    
54.     Crt_prod=pd.merge(l1,l2,how='left',on='value')
    
55.     del Crt_prod['value']
    
56. #    #可以修改列名
    
57. #    a.rename(columns={'A':'a', 'B':'b', 'C':'c'}, inplace = True)
    
58.    
    
59.     # 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
    
60.     Crt_prod['distance']=Crt_prod.apply(lambda ser: getDistance(ser['Latitude_x'], ser['Longitude_x'], ser['Latitude_y'], ser['Longitude_y']),axis=1)
    
61. 
    
62. # =============================================================================
    
63.     #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
    
64.     #按照distance升序排列，按照name_x 去重
    
65.     Crt_prod = Crt_prod.sort_values(by="distance", ascending=True)
    
66. #    # 去重
    
67.     Crt_prod.drop_duplicates(subset=['Name_x'],keep='first',inplace=True)
    
68.    
    
69. # =============================================================================  
    
70.    
    
71. ## =============================================================================
    
72. #    #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
    
73. #
    
74. #    Crt_prod = Crt_prod[Crt_prod['distance'] < 100]
    
75. #
    
76. #   
    
77. ## =============================================================================  
    
78. 
    
79.     return Crt_prod
    
80. 
    
81. 
    
82. def main():
    
83.     starttime = time.time()
    
84.     # print("两点间的距离为:%.2f km" %jl)
    
85.     path_1 = r"C:\Users\Administrator\练习\经纬度距离计算1.csv"
    
86. 
    
87.     l1 = pd.read_csv(path_1, encoding='gbk', engine='python')
    
88.     path_2 = r"C:\Users\Administrator\练习\经纬度距离计算2.csv"
    
89. 
    
90.     l2 = pd.read_csv(path_2, encoding='gbk', engine='python')
    
91. 
    
92.     result = data(l1,l2)
    
93.    
    
94.     result.to_csv(r'C:\Users\Administrator\练习\经纬度距离结果.csv',index=0,encoding='gbk')
    
95.    
    
96.     print("finish")
    
97.     endtime=time.time()
    
98.     cost_time = endtime - starttime
    
99.     print('处理完成，程序运行时间： {}秒'.format(float('%.2f' % cost_time)))
    
100.   
     
101. if __name__ == "__main__":
     
102.     print('start...')
     
103.     main()
     

复制代码

wp231957

如果是py3.x的话，第一行代码就可以删除了

txl1988

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

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

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

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

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

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

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

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