如何将AIS数据集中的负COG值转换为0-360度标准范围？

嘿，这个问题我在处理AIS船舶数据的时候刚好碰到过！其实解决起来很简单，核心是利用航向角度的周期性特点——毕竟航向是环形的，负值本质上就是从0度逆时针偏移的角度，转换成0-360范围的逻辑非常直观。

转换规则与公式 #

最严谨且通用的公式就是对360取模，不管原COG值是正还是负，这个方法都能直接得到0-360范围内的正确航向：
cog_normalized = cog % 360

举几个实际例子验证：

• -10 % 360 = 350（逆时针10度等价于顺时针350度）
• -180 % 360 = 180（正负180度是同一个航向）
• 370 % 360 = 10（超过360的异常正值也能自动修正）
• -365 % 360 = 355（连续绕圈的负值也能正确归一化）

Python实现方案 #

1. 处理单个COG数值 #

如果只是处理单个值，可以写个简单的函数：

def normalize_cog(cog):
    return cog % 360

# 测试用例
print(normalize_cog(-10))   # 输出 350
print(normalize_cog(180))   # 输出 180
print(normalize_cog(370))   # 输出 10
print(normalize_cog(-365))  # 输出 355

2. 用Pandas批量处理数据集 #

如果你的AIS数据存在Pandas DataFrame中，直接对COG列应用取模运算即可，效率极高：

import pandas as pd

# 假设你的数据集名为ais_df，COG字段列名为'COG'
# 添加归一化后的新列
ais_df['COG_normalized'] = ais_df['COG'] % 360

# 若要直接替换原COG列，可执行：
# ais_df['COG'] = ais_df['COG'] % 360

3. 处理含异常值的数据集 #

如果数据里存在非数值类型的异常值（比如字符串、空值），可以先做一步类型转换和过滤：

# 先将非数值的COG值转为NaN
ais_df['COG'] = pd.to_numeric(ais_df['COG'], errors='coerce')

# 只对非空值做归一化处理
ais_df['COG_normalized'] = ais_df['COG'].apply(lambda x: x % 360 if pd.notna(x) else x)

内容的提问来源于stack exchange，提问作者faring