使用 Pandas 数据框的 Haversine 函数

Question

我是 Python 的新手。我正在尝试在 Panda Dataframe 上计算 Haversine。我有 2 个数据框。像这样：First 3 rows of first dataframe

第二个：First 3 rows of second dataframe

这是我的半正弦函数。

    from math import radians, cos, sin, asin, sqrt

    def haversine(lon1, lat1, lon2, lat2):
      # convert decimal degrees to radians 
      lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2])

      # haversine formula 
      dlon = lon2 - lon1 
      dlat = lat2 - lat1 
      a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
      c = 2 * asin(sqrt(a)) 
      r = 3956 # Radius of earth in kilometers.
      return c * r

我以第一个dataframe中的经度和纬度值为中心，在地图上画了圈（我以半径为1000m）。首先，我尝试将第二个数据帧中的所有 lon 和 lat 值提供给半正弦函数，其中 lon 和 lat 值在第一个数据帧的第一行中。然后我将对第一个数据框中的其他行执行相同的操作。因此，我将能够找出第二个数据框中的坐标（经度和纬度值）是否位于第一个数据框中的中心经度和纬度值的圆圈中。当我这样使用时它有效：

a = haversine(29.023165,40.992752,28.844604,41.113586)
radius = 1.00 # in kilometer
if a <= radius:
    print('Inside the area')
else:
    print('Outside the area')

在我写的代码中，我无法给出我想要的确切顺序。我的意思是我通过在第一个数据帧和第二个数据帧中给出所有 lon 和 lat 值来尝试我的代码，但逻辑上这是错误的（或不必要的操作）。我尝试了下面的代码（我尝试了代码 Haversine Distance Calc using Pandas Data Frame "cannot convert the series to <class 'float'>"）但是它给出了一个错误：('LONGITUDE', 'occurred at index 0').

from math import radians, cos, sin, asin, sqrt

def haversine(lon1, lat1, lon2, lat2):
    
    # convert decimal degrees to radians 
    lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2])

    # haversine formula 
    dlon = lon2 - lon1 
    dlat = lat2 - lat1 
    a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
    c = 2 * asin(sqrt(a)) 
    r = 3956 # Radius of earth in kilometers.
    return c * r

iskeleler.loc['density'] = iskeleler.apply(lambda row: haversine(iskeleler['lon'], iskeleler['lat'], row['LONGITUDE'], row['LATITUDE']), axis=1)

你能帮我看看我该怎么做吗？提前致谢。

Answer 1

您用于计算半正弦距离的代码在每个参数中接收一个浮点数，因此您确实需要为每个参数传递浮点数。在这种情况下 iskeleler['lon'] 和 iskeleler['lat'] 是系列。

这应该可以计算同一行坐标之间的距离：

iskeleler.loc['density'] = iskeleler.apply(lambda row: haversine(
    row['lon'], row['lat'],
    row['LONGITUDE'], row['LATITUDE']
),axis=1)

但是您正在寻找可能需要 for 循环的成对距离，这效率不高。尝试 sklearn.metrics.pairwise.haversine_distances

from sklearn.metrics.pairwise import haversine_distances

distance_matrix = haversine_distances(
    iskeleler[['lat', 'lon']],
    iskeleler[['LATITUDE', 'LONGITUDE']]
)

如果您更喜欢 table 结构，那么：

distance_table = pd.DataFrame(
    distance_matrix,
    index=pd.MultiIndex.from_frames(iskeleler[['lat', 'lon']]),
    columns=pd.MultiIndex.from_frames(iskeleler[['LATITUDE', 'LONGITUDE']]),
).stack([0, 1]).reset_index(name='distance')

这是一个例子，有很多方法可以从矩阵创建数据框。

使用 Pandas 数据框的 Haversine 函数

Haversine Function using Pandas Data Frame

python

pandas

dataframe

haversine