Skip to main content
 首页 » 编程设计

python之遍历 pandas 坐标组并计算距离

2024年12月31日8JeffreyZhao

我有一个如下所示的 csv 数据集:

    created_date,latitude,longitude 
"2018-10-02 16:52:54",20.56314546,-100.40871983 
"2018-10-07 18:06:37",20.56899227,-100.40879701 
"2018-10-08 11:55:31",20.57479211,-100.39687493 
"2018-10-08 11:55:31",20.58076244,-100.36075875 
"2018-10-08 11:55:31",20.60529101,-100.40951731 
"2018-10-08 11:55:31",20.60783806,-100.37852743 
"2018-10-09 18:10:00",20.61098901,-100.38008197 
"2018-10-09 18:10:00",20.61148848,-100.40851908 
"2018-10-09 18:10:00",20.61327334,-100.34415272 
"2018-10-09 18:10:00",20.61397514,-100.33583425 

我正在尝试使用 pandas 按日期将数据分成几组,然后想遍历每个组并使用以 2 个坐标作为参数的 haversine 函数计算每个组中纬度、经度之间的距离。

为了这样做,我必须计算说 coord1 与 coord2,coord 2 与 coord 3 等的距离(来自组)

我想这样做是为了计算平均行驶距离。然后,我必须将这些距离相加并除以组数。

使用 pandas 我设法将我的数据分成几组,但我不确定如何迭代这些组,同时排除这些组(比如“2018-10-02 16:52:54”)它没有 2 个坐标来计算距离。

我当前的 python 脚本如下所示:

col_names = ['date', 'latitude', 'longitude'] 
data = pd.read_csv('dataset.csv', names=col_names, sep=',', skiprows=1) 
grouped = data.groupby('date') 
for index, item in grouped: 

感谢任何指导,我对如何操作有一个大致的了解,但我不确定 zip 之类的工具是否可以帮助我完成此操作。

请您参考如下方法:

这是一种选择。它涉及在组内执行大量合并,给出所有成对组合。然后删除所有相同的行合并,你可以计算一次距离。

import pandas as pd 
import numpy as np 
 
def haversine(lon1, lat1, lon2, lat2): 
    # convert degrees to radians  
    lon1 = np.deg2rad(lon1) 
    lat1 = np.deg2rad(lat1) 
    lon2 = np.deg2rad(lon2) 
    lat2 = np.deg2rad(lat2) 
 
    # formula  
    dlon = lon2 - lon1  
    dlat = lat2 - lat1  
    a = np.sin(dlat/2)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2)**2 
    c = 2 * np.arcsin(np.sqrt(a))  
    r_e = 6371  
    return c * r_e 

代码:

# merge 
m = df.reset_index().merge(df.reset_index(), on='created_date') 
 
# remove comparisons of the same event 
m = m[m.index_x != m.index_y].drop(columns = ['index_x', 'index_y']) 
 
# Calculate Distance 
m['Distance'] = haversine(m.longitude_x, m.latitude_x, m.longitude_y, m.latitude_y) 

输出:m

           created_date  latitude_x  longitude_x  latitude_y  longitude_y  Distance 
3   2018-10-08 11:55:31   20.574792  -100.396875   20.580762  -100.360759  3.817865 
4   2018-10-08 11:55:31   20.574792  -100.396875   20.605291  -100.409517  3.637698 
5   2018-10-08 11:55:31   20.574792  -100.396875   20.607838  -100.378527  4.141211 
... 
30  2018-10-09 18:10:00   20.613975  -100.335834   20.610989  -100.380082  4.617105 
31  2018-10-09 18:10:00   20.613975  -100.335834   20.611488  -100.408519  7.569825 
32  2018-10-09 18:10:00   20.613975  -100.335834   20.613273  -100.344153  0.869261 

获取每个日期的平均值:

m.groupby('created_date').Distance.mean() 
 
#created_date 
#2018-10-08 11:55:31    4.021623 
#2018-10-09 18:10:00    4.411060 
#Name: Distance, dtype: float64 

由于我们之前对合并的 DataFrame 进行了子集化,因此这只会为具有超过 1 个测量值的 created_dates 提供输出。


要在 date 而不是确切时间合并:

df['created_date'] = pd.to_datetime(df.created_date) 
df['ng'] = df.groupby(df.created_date.dt.date).ngroup() 
 
m = df.reset_index().merge(df.reset_index(), on='ng') 
m = m[m.index_x != m.index_y].drop(columns = ['index_x', 'index_y']) 
 
...