我有两个数据集,我需要根据两个坐标条件之间的距离将它们连接在一起。我使用 Haversines formula 创建了一个函数计算 distance_km,但遇到了需要多长时间的性能限制。
数据集 1:
building_id | lat | lng
-------------|-------|--------
1 | 32.11 | -71.22
2 | 32.44 | -72.25
3 | 31.75 | -71.36```
数据集 2:
building_id | lat | lng
------------|-------|--------
4 | 31.65 | -73.52
5 | 32.78 | -70.21
6 | 36.15 | -72.49
每个数据集都有超过 10,000 座建筑物,我想将数据集 2 与数据集 1 匹配,但前提是距离以公里为单位小于 0.0075。
我目前正在遍历数据集 1 的每一行并查找数据集 2 中的所有经纬度组合以确定最小距离
dataset_2_latlng_dict = dict(zip(dataset_2.lng,dataset_2.lat))
for index, row in dataset_1.iterrows():
lat = row['lat']
lng = row['lng']
all_dist = []
final_list = []
for key, value in dataset_2_latlng_dict.iteritems():
distance = utils.distance_km(key,value,lng,lat)
all_dist.extend([distance])
final_list = sorted(all_dist, key=float)
dataset_1['min_distance'] = final_list[0]
请您参考如下方法:
您没有提供任何数据,所以我将把这个答案留作描述性的。
如您所料,没有理由计算到其他每座建筑物的距离。 7.5 米规范意味着纬度和经度将非常接近直接匹配任何彼此靠近的建筑物。
纬度线之间的距离从赤道的 110.6 公里到两极的 111.7 公里不等。如果我们添加一些误差范围和舍入以使此分析更容易,那么我们可以使用每度 100 公里的估计值。这意味着 0.0075 公里的最大距离变为 0.000075 度的最大纬度。因此,任何符合 0.0075 公里距离标准的建筑物也必然符合 0.000075 度纬度标准。如果您将计算限制在 0.000075 度纬度以内的建筑物,则只需对小得多的建筑物子集进行计算。
因此,您可以简单地按纬度对位置列表进行排序,然后遍历列表,只比较纬度在另一个列表中建筑物的 0.000075 度(7.5 米)以内的建筑物的距离。
