提问者:小点点

使用熊猫数据帧的Haversine函数


我是Python的新手。我试图在熊猫数据帧上计算Haversine。我有2个数据帧。像这样:第一个数据框的前3行

第二个:第二个数据帧的前3行

这是我的哈弗森函数。

    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

我以第一个数据帧中的经度和纬度值为中心,在地图上画圆圈(半径为1000米)。首先,我尝试将第二个数据帧中的所有lon和lat值赋给haversine函数,其中lon和lat值位于第一个数据帧的第一行。然后,我将对第一个数据帧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帧中的坐标(经度和纬度值)是否位于第一个数据帧中具有中心经度和纬度值的圆圈中。当我这样使用时,它会起作用:

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,我不能给出我想要的确切顺序。我的意思是我尝试了我的代码,在第一个数据帧和第二个数据帧中给出了所有的lon和lat值,但逻辑上这是错误的(或者不必要的操作)。我尝试了下面的代码(我尝试了使用熊猫数据帧的代码Haversine距离计算不能将该系列转换为

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)

你能帮我怎么做吗?提前感谢。


共1个答案

匿名用户

用于计算半连续距离的代码在每个参数中接收一个浮点数,因此确实需要为每个参数传递浮点数。在这种情况下iskeleler['lon']iskeleler['lat']是Series。

这应该可以计算同一行中坐标之间的距离:

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

但是您正在寻找成对距离,这可能需要循环的,这是无效的。试试sklearn.metrics.pairwise.haversine_distances

from sklearn.metrics.pairwise import haversine_distances

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

如果您喜欢表格结构,则:

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')

这是一个示例,有许多方法可以从矩阵创建数据帧。