使用 Haversine 的距离公式获取经度和纬度的距离
Posted
技术标签:
【中文标题】使用 Haversine 的距离公式获取经度和纬度的距离【英文标题】:Getting distance from longitude and latitude using Haversine's distance formula 【发布时间】:2018-12-09 23:25:24 【问题描述】:我正在使用 pandas 数据框,我正在尝试获取每个标识符的每个点的经度和纬度的距离。
这是当前的数据框:
Identifier num_pts latitude longitude
0 AL011851 3 28.0 -94.8
1 AL011851 3 28.0 -95.4
2 AL011851 3 28.1 -96.0
3 AL021851 2 22.2 -97.6
4 AL021851 2 12.0 -60.0
我知道我必须使用 Haversine 距离公式,但我不确定如何使用我的数据来合并它。
import numpy as np
def haversine(lon1, lat1, lon2, lat2, earth_radius=6367):
"""
Calculate the great circle distance between two points
on the earth (specified in decimal degrees)
All args must be of equal length.
"""
lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
dlon = lon2 - lon1
dlat = lat2 - lat1
a = np.sin(dlat/2.0)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2.0)**2
c = 2 * np.arcsin(np.sqrt(a))
km = earth_radius * c
return km
这应该是我在纸上仅使用纬度和经度计算得出的最终结果:
Identifier num_pts latitude longitude distance
0 AL011851 3 28.0 -94.8 NaN
1 AL011851 3 28.0 -95.4 58.870532
2 AL011851 3 28.1 -96.0 58.870532
3 AL021851 2 22.2 -97.6
4 AL021851 2 12.0 -60.0
编辑:我需要计算连续点(如 0 和 1 以及 2)之间的距离,并且必须按标识符对它进行分组,以确保这些点不是来自不同的标识符,所以当有一个新的标识符时AL021851 它重置并仅计算该标识符中的点
【问题讨论】:
“分组”是什么意思?请具体:距离0到1、1到2……然后? 使用 groupby,我的意思是它为标识符 AL011851 做了所有 3 个点,得到每个点之间的距离,然后对于 AL021851,它将得到前 2 个点之间的距离,但第一个点对于 AL021851 将是 NaN,因为它是一个新标识符,因此您不会计算另一个标识符点之间的距离。 【参考方案1】:from io import StringIO
import pandas as pd
# Example data
df = pd.read_fwf(StringIO("""
Identifier num_pts latitude longitude
AL011851 3 28.0 -94.8
AL011851 3 28.0 -95.4
AL011851 3 28.1 -96.0
AL021851 2 22.2 -97.6
AL021851 2 12.0 -60.0
"""), header=1)
# Provided function
import numpy as np
def haversine(lon1, lat1, lon2, lat2, earth_radius=6367):
"""
Calculate the great circle distance between two points
on the earth (specified in decimal degrees)
All args must be of equal length.
"""
lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
dlon = lon2 - lon1
dlat = lat2 - lat1
a = np.sin(dlat/2.0)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2.0)**2
c = 2 * np.arcsin(np.sqrt(a))
km = earth_radius * c
return km
# Use pandas shift to place prior values on each row, within a grouped dataframe
dfg = df.groupby("Identifier")
df ['p_latitude'] = dfg['latitude'].shift(1)
df ['p_longitude'] = dfg['longitude'].shift(1)
# Assign to a new column - use pandas dataframe apply to invoke for each row
df['distance'] = df[['p_latitude', 'p_longitude', 'latitude','longitude']].apply(lambda x: haversine(x[1], x[0], x[3], x[2]), axis=1)
print(df)
# Identifier num_pts latitude longitude p_latitude p_longitude distance
#0 AL011851 3 28.0 -94.8 NaN NaN NaN
#1 AL011851 3 28.0 -95.4 28.0 -94.8 58.870532
#2 AL011851 3 28.1 -96.0 28.0 -95.4 59.883283
#3 AL021851 2 22.2 -97.6 NaN NaN NaN
#4 AL021851 2 12.0 -60.0 22.2 -97.6 4138.535287
【讨论】:
我需要计算连续点之间的距离,比如 0 和 1,以及 2,并且必须按标识符分组,以确保这些点不是来自不同的标识符,所以当有像 AL021851 这样的新标识符会重置并仅计算该标识符中的点 @Janeson00,编辑以计算组内的连续点。以上是关于使用 Haversine 的距离公式获取经度和纬度的距离的主要内容,如果未能解决你的问题,请参考以下文章
使用 Haversine 包比较 csv 经度和纬度列表的所有距离可能性