每个客户的连续行之间的 Haversine 距离

Question

我的问题有点基于这个 Fast Haversine Approximation (Python/Pandas)

基本上，这个问题问的是如何计算 Haversine 距离。我的是如何计算每个客户的连续行之间的 Haversine 距离。

我的数据集看起来像这个虚拟数据集（假设它们是真实坐标）：

  Customer  Lat Lon
    A        1  2
    A        1  2
    B        3  2
    B        4  2

所以在这里，我在第一行什么也得不到，第二行是 0，第三行什么也得不到，因为新客户开始了，无论以公里为单位的距离在 (3,2) 和 (4, 2) 在第四个.

这在不受客户约束的情况下有效：

def haversine(lat1, lon1, lat2, lon2, to_radians=True):
    if to_radians:
        lat1, lon1, lat2, lon2 = np.radians([lat1, lon1, lat2, lon2])

    a = np.sin((lat2-lat1)/2.0)**2 + \
        np.cos(lat1) * np.cos(lat2) * np.sin((lon2-lon1)/2.0)**2

    return 6367 * 2 * np.arcsin(np.sqrt(a))

df=data_full
df['dist'] = \
    haversine(df.Lon.shift(), df.Lat.shift(),
             df.loc[1:, 'Lon'], df.loc[1:, 'Lat'])

但我无法将其调整为针对每个新客户重新启动。我试过这个：

 def haversine(lat1, lon1, lat2, lon2, to_radians=True):
    if to_radians:
        lat1, lon1, lat2, lon2 = np.radians([lat1, lon1, lat2, lon2])

    a = np.sin((lat2-lat1)/2.0)**2 + \
        np.cos(lat1) * np.cos(lat2) * np.sin((lon2-lon1)/2.0)**2

    return 6367 * 2 * np.arcsin(np.sqrt(a))

df=data_full
df['dist'] = \
    df.groupby('Customer_id')['Lat','Lon'].apply(lambda df: haversine(df.Lon.shift(), df.Lat.shift(),
             df.loc[1:, 'Lon'], df.loc[1:, 'Lat']))

Answer 1

我将重用 derricw's answer 中的向量化 haversine_np 函数：

def haversine_np(lon1, lat1, lon2, lat2):
    """
    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 = 6367 * c
    return km

def distance(x):
    y = x.shift()
    return haversine_np(x['Lat'], x['Lon'], y['Lat'], y['Lon']).fillna(0)

df['Distance'] = df.groupby('Customer').apply(distance).reset_index(level=0, drop=True)

结果：

  Customer  Lat  Lon    Distance
0        A    1    2    0.000000
1        A    1    2    0.000000
2        B    3    2    0.000000
3        B    4    2  111.057417

每个客户的连续行之间的 Haversine 距离

Haversine Distance between consecutive rows for each Customer

haversine

python-3.x

pandas