计算多个位置之间的全局距离

Question

我正在根据坐标计算两个全局位置之间的距离。仅使用两个位置时，我得到结果：

def global_distance(location1, location2):
    lat1, lon1 = location1
    lat2, lon2 = location2
    radius = 6371 # radius of the Earth

    dlat = math.radians(lat2-lat1)
    dlon = math.radians(lon2-lon1)
    a = math.sin(dlat/2) * math.sin(dlat/2) + math.cos(math.radians(lat1)) \
        * math.cos(math.radians(lat2)) * math.sin(dlon/2) * math.sin(dlon/2)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    d = radius * c

    return d

lat1 = 55.32; lat2 = 54.276; long1 = -118.8634; long2 = -117.276


print( global_distance((lat1, long1), (lat2, long2)))

如果我想计算几个位置之间的距离怎么办？假设我有一个包含三个位置的 CSV 文件：

Location   Lat1      Long1      
 A         55.322    -117.17
 B         57.316    -117.456
 C         54.275    -116.567

如何遍历这两列并生成 (A,B)、(A,C) 和 (B,C) 之间的距离？

Answer 1

假设您已将该 CSV 读入某种序列序列（例如，list(csv.reader(f))），您需要做的就是遍历所有位置组合。而这正是 itertools.combinations 所做的：

>>> locs = [('A', 55.322, -117.17), ('B', 57.316, -117.456), ('C', 54.275, 116.567)]
>>> for (loc1, lat1, lon1), (loc2, lat2, lon2) in itertools.combinations(locs, 2):
...     print(loc1, loc2, global_distance((lat1, lon1), (lat2, lon2)))
A B 222.42244003744995
A C 122.66829007875741
B C 342.67144769115316

当您查看上面的链接文档时，请注意 combinations_with_replacement、permutations 和 product，它们通常是类似但略有不同的问题的答案。

这应该很容易适应字典序列，或 Location 个实例等的字典。另一方面，如果你有类似 2D numpy 数组或 pandas DataFrame，你可能想做一些不同的事情。（尽管通过快速搜索，看起来只是将 itertools 与 fromiter 的组合制成一个数组并不比其他任何东西慢很多，即使你想用 space 交换是时候广播你的 global_distance 函数了。）

Answer 2

我会通过 pandas 从您的文件中导入数据：

import pandas as pd
df = pd.read_table(filename, sep='\s+', index_col=0)

此外，您可以导入 itertools：

import itertools as it

有了这个，您可以获得像这样的可迭代对象的所有组合，例如此处数据帧的索引：

for i in it.combinations(df.index, 2): print(i)
('A', 'B')
('A', 'C')
('B', 'C')

这表明您将获得所需的组合。现在对数据框的数据执行相同的操作：

for i in it.combinations(df.values, 2): print(global_distance(i[0], i[1]))
222.4224400374507
122.66829007875636
342.671447691153

如果你想在输出中包含位置名称，你可以在导入时省略 index_col=0，这样 A、B 和 C 也是 df.values 的一部分并且你可以写：

for i in it.combinations(df.values, 2): print(i[0][0], '-', i[1][0], global_distance(i[0][1:], i[1][1:]))
A - B 222.4224400374507
A - C 122.66829007875636
B - C 342.671447691153

计算多个位置之间的全局距离

Calculate global distance between several locations

python

gps

coordinates

haversine