如何从Pandas DataFrame滚动窗口获取两列值计算飞行航点距离

问题根源 #

当设置raw=True时，Pandas的rolling(window=2)会将窗口内的2行2列数据展平为一维数组（比如窗口包含[lat1, lon1]和[lat2, lon2]时，传入函数的是[lat1, lon1, lat2, lon2]），但你的haversine_distance函数是按二维数组的索引逻辑编写的，自然会报错。

解决方案1：修改函数适配一维数组输入（推荐，保持效率） #

直接调整函数的取值逻辑，从一维数组中提取四个坐标值，同时保留raw=True以维持计算效率：

import pandas as pd
import numpy as np

def haversine_distance(arr):
    # 一维数组顺序：lat1, lon1, lat2, lon2
    lat1, lon1, lat2, lon2 = arr
    
    # 转换为弧度
    lat1, lon1, lat2, lon2 = map(np.radians, [lat1, lon1, lat2, lon2])
    
    # Haversine公式计算
    dlon = lon2 - lon1
    dlat = lat2 - lat1
    a = np.sin(dlat / 2.0) ** 2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon / 2.0) ** 2
    c = 2 * np.arcsin(np.sqrt(a))
    km = 6371 * c
    return km

# 示例DataFrame
df = pd.DataFrame({'Latitude': [40.7128, 37.7749, 34.0522],
                   'Longitude': [-74.0060, -122.4194, -118.2437]})

# 计算距离并填充第一个值为0
df['DISTANCE'] = df[['Latitude', 'Longitude']].rolling(window=2).apply(haversine_distance, raw=True)
df['DISTANCE'] = df['DISTANCE'].fillna(0)

print(df.round(4))

运行结果与预期一致：

Latitude  Longitude  DISTANCE
0   40.7128   -74.0060    0.0000
1   37.7749  -122.4194 4129.0861
2   34.0522  -118.2437  559.1205

解决方案2：移除raw=True，调整函数适配二维输入 #

如果不想修改函数核心逻辑，可以去掉raw=True，此时传入函数的是2行2列的DataFrame切片，调整索引方式即可：

def haversine_distance(df_slice):
    lat1, lat2 = df_slice.iloc[0,0], df_slice.iloc[1,0]
    lon1, lon2 = df_slice.iloc[0,1], df_slice.iloc[1,1]
    
    # 后续弧度转换和公式计算与原函数一致
    lat1, lon1, lat2, lon2 = map(np.radians, [lat1, lon1, lat2, lon2])
    dlon = lon2 - lon1
    dlat = lat2 - lat1
    a = np.sin(dlat / 2.0) ** 2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon / 2.0) ** 2
    c = 2 * np.arcsin(np.sqrt(a))
    km = 6371 * c
    return km

# 计算时移除raw=True
df['DISTANCE'] = df[['Latitude', 'Longitude']].rolling(window=2).apply(haversine_distance)
df['DISTANCE'] = df['DISTANCE'].fillna(0)

注意事项 #

• rolling(window=2)的第一个结果是NaN，因为第一个窗口只有1行数据，所以需要用fillna(0)填充为预期的初始值。
• 方案1的效率更高，因为raw=True会直接传递numpy数组，避免了DataFrame切片的额外开销，适合处理大规模数据集。

内容的提问来源于stack exchange，提问作者madhav Venkatesh