如何在Python DataFrame中逐行计算地理坐标点间的距离

不需要逐行遍历，用Pandas的shift()方法获取相邻行坐标，配合地理计算工具就能高效实现，以下是三种可行方案：

方案1：手动实现Haversine公式（规避包导入问题） #

如果haversine包导入失败，直接手动实现球面距离公式更稳妥：

import pandas as pd
import numpy as np

# 示例DataFrame，X为经度、Y为纬度
df = pd.DataFrame({
    'X': [116.3972, 116.4072, 116.4172],
    'Y': [39.9075, 39.9175, 39.9275]
})

def haversine(lon1, lat1, lon2, lat2):
    # 角度转弧度
    lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
    # 计算坐标差值
    dlon = lon2 - lon1
    dlat = lat2 - lat1
    # Haversine核心计算
    a = np.sin(dlat/2)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2)**2
    c = 2 * np.arcsin(np.sqrt(a))
    # 地球平均半径（千米），换成6371000则单位为米
    r = 6371
    return c * r

# 获取下一行的坐标
df['next_X'] = df['X'].shift(-1)
df['next_Y'] = df['Y'].shift(-1)

# 批量计算相邻点距离
df['dist'] = haversine(df['X'], df['Y'], df['next_X'], df['next_Y'])

# 最后一行距离设为0
df.loc[df.index[-1], 'dist'] = 0

# 可选：删除临时生成的辅助列
df = df.drop(['next_X', 'next_Y'], axis=1)

方案2：使用geopy工具 #

先安装依赖：pip install geopy，再用其内置的距离计算功能：

import pandas as pd
from geopy.distance import distance

df = pd.DataFrame({
    'X': [116.3972, 116.4072, 116.4172],
    'Y': [39.9075, 39.9175, 39.9275]
})

# geopy要求坐标格式为(纬度, 经度)，生成当前行和下一行的坐标对
coords_current = list(zip(df['Y'], df['X']))
coords_next = coords_current[1:] + [(None, None)]

# 计算距离，默认单位为千米，可指定meters/feet等
df['dist'] = [distance(curr, next_).km if next_ != (None, None) else 0 
              for curr, next_ in zip(coords_current, coords_next)]

方案3：使用pyproj（高精度椭球距离） #

适合需要精准椭球地球模型的场景，先安装依赖：pip install pyproj

import pandas as pd
from pyproj import Geod
import numpy as np

df = pd.DataFrame({
    'X': [116.3972, 116.4072, 116.4172],
    'Y': [39.9075, 39.9175, 39.9275]
})

# 使用WGS84椭球（GPS通用坐标系）
geod = Geod(ellps='WGS84')

# 获取相邻行的经纬度数组
lon1, lat1 = df['X'].values, df['Y'].values
lon2, lat2 = df['X'].shift(-1).values, df['Y'].shift(-1).values

# 计算距离（单位为米），返回值包含方位角和距离
_, _, dists = geod.inv(lon1[:-1], lat1[:-1], lon2[:-1], lat2[:-1])

# 拼接结果，最后一行补0
df['dist'] = np.append(dists, 0)
# 如需转千米：df['dist'] = np.append(dists/1000, 0)

内容的提问来源于stack exchange，提问作者Connor Garrett