尝试根据每个数据帧中的经纬度差异比较两个数据帧

Posted 2023-03-05

【中文标题】尝试根据每个数据帧中的经纬度差异比较两个数据帧

【英文标题】：Trying to compare two data frames based on difference between latitude and longitude in each data frame

【发布时间】：2021-02-19 17:41:48

【问题描述】：

我正在尝试比较两个数据框中的经纬度坐标。如果 latitude_fuze 的差异

这是我正在测试的代码。

lat1 = df_result['latitude_fuze']
lon1 = df_result['longitude_fuze']
lat2 = df_airports['latitude_air']
lon2 = df_airports['longitude_air']

fuze_rows=range(df_result.shape[0])
air_rows=range(df_airports.shape[0])

for r in fuze_rows:
    lat = df_result.loc[r,lat1]
    max_lat = lat + .01
    min_lat = lat - .01
    lon = df_result.loc[r,lon1]
    max_lon = lon + .01
    min_lon = lon - .01
    for a in air_rows:
        if (min_lat <= df_airports.loc[a,lat2] <= max_lat) and (min_lon <= df_airports.loc[a,lon2] <= max_lon):
            df_result['Type'] = 'Airport'

这里有两个示例数据框：

# Import pandas library 
import pandas as pd 
  
# initialize list of lists 
data = [['NY', 'Uniondale', 'Nassau', '40.72', '-73.59'], 
        ['NY', 'Uniondale', 'Nassau', '40.72', '-73.59'],
        ['NY', 'Uniondale', 'Nassau', '40.72', '-73.59'],
        ['NY', 'NY', 'New York', '40.76', '73.98'],
        ['NY', 'NY', 'New York', '40.76', '73.98']] 
  
# Create the pandas DataFrame 
df_result = pd.DataFrame(data, columns = ['state', 'city', 'county','latitude_fuze','longitude_fuze']) 
# print dataframe. 
df_result

还有……

data = [['New York', 'JFK', '40.64', '-73.78'], 
        ['New York', 'JFK', '40.64', '-73.78'],
        ['Los Angeles', 'LAX', '33.94', '-118.41'],
        ['Chicago', 'ORD', '41.98', '-87.90'],
        ['San Francisco', 'SFO', '37.62', '-122.38']] 
  
# Create the pandas DataFrame 
df_airports = pd.DataFrame(data, columns = ['municipality_name', 'airport_code', 'latitude_air','longitude_air']) 
# print dataframe. 
df_airports

运行此代码时，我收到此错误：

KeyError: "None of [Float64Index([40.719515, 40.719515, 40.719515,  40.75682,  40.75682,  40.75682,\n               40.75682,  40.75682,  40.75682,   40.7646,\n              ...\n                40.0006,   40.0006,   40.0006,   40.0006,   40.0006,   40.0006,\n                40.0006, 39.742417, 39.742417, 39.742417],\n             dtype='float64', length=1720)] are in the [index]"

如果使用 KNN 或 Haversine 方法进行计算更好，我对此持开放态度。我不是在这里寻找距离，而是在纬度和经度数字上寻找相似之处。如果我确实需要计算距离以使其正常工作，请告诉我。谢谢大家。

【参考方案1】：

我不确定您需要采取什么方法，因为我不是 100% 清楚您要做什么。但是，这样的事情可能有助于让您当前的方法发挥作用：

# join the two dataframes - must be the same length
df = pd.concat([df_result, df_airports], axis=1)

# cast latitudes and longitudes to numeric
cols = ["latitude_fuze", "latitude_air", "longitude_fuze", "longitude_air"]
df[cols] = df[cols].apply(pd.to_numeric, errors='coerce', axis=1)

# create a mask where our conditions are met (difference between lat fuze and lat air < 0.1 and difference between long fuze and long air < 0.1)
mask = ((abs(df["latitude_fuze"] - df["latitude_air"]) < 0.1) & (abs(df["longitude_fuze"] - df["longitude_air"]) < 0.1))

# fill the type column
df.loc[mask, 'Type'] = "Airport"

【讨论】：

这看起来很接近，但这里有些不对劲。这两个数据帧肯定是不同的长度； df_result 有 1,720 条记录，df_airport 有 22,216 条记录。所以，轴不能是 1。我试过这个： df = pd.merge(result, airports, how="inner", left_on="latitude_fuze", right_on="latitude_air") 出于某种奇怪的原因，所有 lat &长坐标转换为 0.00！

仔细观察后，我认为您的解决方案很好。我认为我的业务数据框中的经纬度坐标有点偏离。我在网上找到了机场数据框，因为它是免费的，所以我不确定数据的质量。我认为两个文件中的坐标都有一点偏差，所以我将把