查找 GPS 坐标组之间的最小距离

问题描述

几年前我问过一个与此类似的问题，并得到了一个很好的实用答案。但是，我希望显着提高此代码的速度。

我基本上有两组 gps 坐标：例如，一组数据框是酒店的坐标，另一组是机场的坐标。我想查看具有纬度/经度坐标的数据框 A（酒店），然后从每个酒店的数据框 B 中找到最近的机场。

我可以使用以下代码执行此操作，并且一切正常：

import pandas as pd
import geopy.distance

df = pd.read_csv('AirportCoords.csv')
df2 = pd.read_csv('HotelCoords.csv')


for i,row in df.iterrows(): # A
    a = row.latitude,row.longitude
    distances = []
    for j,row2 in df2.iterrows(): # B
        b = row2.lat,row2.long
        distances.append(geopy.distance.geodesic(a,b).km)

    min_distance = min(distances)
    min_index = distances.index(min_distance)

但是，这需要很长时间。我试图通过使用 scipy 的 cdist 来加快速度，但是，虽然速度很快，但返回的是欧几里德距离。

有什么方法可以将 cdist 输出转换为我想要的？或者有什么其他方法可以让这个过程快速进行？

编辑添加cdist代码：

from scipy.spatial import distance
a = np.array(df[['lat','long']])
b = np.array(df2[['lat','long']])

print(distance.cdist(a,b).min(axis=1)

这会打印最短的欧几里得距离，而我正在尝试获取公里。

提前致谢！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）