更快地找到坐标之间的距离的方法

Question

我有一个地点列表，我需要找出每个地点之间的距离。谁能建议一种更快的方法？大约有 10k 个独特的地方，我使用的方法创建了一个 10k X 10k 矩阵，我运行内存不足。我使用的是 15GB 内存。

    test_df

   Latitude  Longitude  site
    0   32.3    -94.1   1
    1   35.2    -93.1   2
    2   33.1    -83.4   3
    3   33.2    -94.5   4
test_df = test_df[['site', 'Longitude', 'Latitude']]    
test_df['coord'] = list(zip(test_df['Longitude'], test_df['Latitude']))
from haversine import haversine
for _,row in test_df.iterrows():
    test_df[row.coord]=round(test_df['coord'].apply(lambda x:haversine(row.coord,x, unit='mi')),2)
df = test_df.rename(columns=dict(zip(test_df['coord'], test_df['Facility'])))
df.drop('coord', axis=1, inplace=True)
new_df = pd.melt(df, id_vars='Facility', value_vars=df.columns[1:])
new_df.rename(columns={'variable':'Place', 'value':'dist_in_mi'}, inplace=True)
new_df


 site Place dist_in_mi
0   1   1   0.00
1   2   1   70.21
2   3   1   739.28
3   4   1   28.03
4   1   2   70.21
5   2   2   0.00
6   3   2   670.11
7   4   2   97.15
8   1   3   739.28
9   2   3   670.11
10  3   3   0.00
11  4   3   766.94
12  1   4   28.03
13  2   4   97.15
14  3   4   766.94
15  4   4   0.00

Answer 1

如果您想解决内存问题，您需要使用占用内存较少的数据类型。在这种情况下，由于地球上两点之间的最大距离小于 20005Km，您可以使用 uint16 来存储该值（如果 1Km 的分辨率对您来说足够）

因为我没有任何数据可以使用，所以我使用以下代码生成了一些数据：

import random

import numpy as np
from haversine import haversine

def getNFacilities(n):
    """ returns n random pairs of coordinates in the range [-90, +90]"""
    for i in range(n):
        yield random.random()*180 - 90, random.random()*180 - 90

facilities = list(getNFacilities(10000))

然后我用两种不同的方式解决了内存问题：

1- 通过将距离数据存储在 uint16 个数字中

def calculateDistance(start, end):
    mirror = start is end # if the matrix is mirrored the values are calculated just one time instead of two
    out = np.zeros((len(start), len(end)), dtype = np.uint16) # might be better to use empty?
    for i, coords1 in enumerate(start[mirror:], mirror):
        for j, coords2 in enumerate(end[:mirror and i or None]):
            out[i, j] = int(haversine(coords1, coords2))
    return out

计算距离后，数组使用的内存约为 200MB：

In [133]: l = calculateDistance(facilities, facilities)

In [134]: sys.getsizeof(l)
Out[134]: 200000112

2- 或者您可以只使用生成器：

def calculateDistance(start, end):
    mirror = start is end # if the matrix is mirrored the values are calculated just one time
    for i, coords1 in enumerate(start[mirror:], mirror):
        for j, coords2 in enumerate(end[:mirror and i or None]):
            yield [i, j, haversine(coords1, coords2)]

更快地找到坐标之间的距离的方法

Faster approach to finding distance between coordinates

python

pandas

haversine