如何计算两个数据集内各站点间的最小距离？（附问题代码）

你的代码无法运行的核心问题是遍历对象错误：你把数据集转成字典后，循环遍历的是字典的键（比如site_id、latitude这类列名），而不是每个站点的坐标对，geopy.distance需要的是单个坐标元组（(纬度, 经度)），不是整列数据，所以会报错。

修正步骤与代码示例 #

1. 首先确保dataset1和dataset2是Pandas DataFrame（取消注释你代码里的pd.DataFrame转换行，或者直接使用原始的DataFrame）
2. 遍历dataset1的每个站点，提取其坐标，再与dataset2的所有站点坐标计算距离，筛选出最小值
3. 将最小距离存入dataset1的新列中

修正后的代码：

from geopy import distance
import pandas as pd

# 确保数据集是DataFrame（如果原始dataset1/dataset2已经是DataFrame，这两行可以省略）
dataset1 = pd.DataFrame({
    'site_id': dataset1['site_id'],
    'latitude': dataset1['latitude'],
    'longitude': dataset1['longitude']
})
dataset2 = pd.DataFrame({
    'site_id': dataset2['site_id'],
    'latitude': dataset2['latitude'],
    'longitude': dataset2['longitude']
})

# 新增一列存储最小距离
dataset1['min_distance_to_dataset2'] = 0.0

# 遍历dataset1的每个站点
for idx, row in dataset1.iterrows():
    # 获取当前站点的坐标
    current_coord = (row['latitude'], row['longitude'])
    min_dist = float('inf')  # 初始化最小距离为无穷大
    
    # 遍历dataset2的所有站点计算距离
    for _, d_row in dataset2.iterrows():
        target_coord = (d_row['latitude'], d_row['longitude'])
        dist_km = distance.distance(current_coord, target_coord).km
        
        # 更新最小距离
        if dist_km < min_dist:
            min_dist = dist_km
    
    # 将最小距离存入新列
    dataset1.loc[idx, 'min_distance_to_dataset2'] = min_dist
    print(f"站点{row['site_id']}到dataset2的最近距离: {min_dist:.2f} km")

# 查看结果
print(dataset1)

优化建议（针对大数据集） #

如果你的数据集行数较多，双重循环会非常慢，推荐使用scipy.spatial.distance.cdist批量计算距离矩阵，再取每行的最小值，效率会提升很多：

from geopy.distance import geodesic
from scipy.spatial.distance import cdist
import pandas as pd

# 提取坐标数组
coords1 = dataset1[['latitude', 'longitude']].values
coords2 = dataset2[['latitude', 'longitude']].values

# 批量计算距离矩阵（注意geodesic需要转换为函数传入）
distance_matrix = cdist(coords1, coords2, lambda u, v: geodesic(u, v).km)

# 取每行的最小值，即每个站点的最近距离
dataset1['min_distance_to_dataset2'] = distance_matrix.min(axis=1)

内容的提问来源于stack exchange，提问作者S L