如何基于0.005米距离聚合Pandas中经纬度关联的Val列均值

你提到的需求没办法直接用pandas.Grouper实现，因为它是基于固定分组规则，而你的需求是动态迭代分组——以当前未处理的第一个点为基准，圈定0.005米范围的所有点聚合，再跳到范围外的下一个点重复操作。下面是具体的实现步骤和代码：

步骤说明 #

• 首先实现经纬度坐标的距离计算（这里用Haversine公式，适合短距离的精确计算）；
• 迭代遍历数据：每次取当前未处理的第一个点作为基准，筛选出所有距离它≤0.005米的记录；
• 对筛选出的记录计算Val的均值、记录数，用基准点的坐标作为分组标识（也可以选择用该组的平均坐标，按需调整）；
• 跳过已处理的记录，重复直到所有数据都被聚合。

完整代码实现 #

import pandas as pd
import numpy as np

# 定义Haversine距离计算函数（单位：米）
def haversine(lat1, lon1, lat2, lon2):
    R = 6371000  # 地球半径，单位米
    phi1 = np.radians(lat1)
    phi2 = np.radians(lat2)
    delta_phi = np.radians(lat2 - lat1)
    delta_lambda = np.radians(lon2 - lon1)
    
    a = np.sin(delta_phi/2)**2 + np.cos(phi1)*np.cos(phi2)*np.sin(delta_lambda/2)**2
    c = 2*np.arctan2(np.sqrt(a), np.sqrt(1-a))
    
    return R * c

# 构造你的示例DataFrame
data = {
    'Time': ['19:24:50.925', '19:24:51.022', '19:24:51.118', '19:24:51.215', '19:24:51.312',
             '19:24:51.409', '19:24:51.506', '19:24:51.603', '19:24:51.699', '19:24:51.796',
             '19:24:51.892', '19:24:51.990', '19:24:52.087', '19:24:52.183', '19:24:52.281',
             '19:24:52.378', '19:24:52.474', '19:24:52.571', '19:24:52.668'],
    'Lat': [35.61068333, 35.61068333, 35.61068333, 35.61068394, 35.61068455,
            35.61068515, 35.61068576, 35.61068636, 35.61068697, 35.61068758,
            35.61068818, 35.61068879, 35.61068939, 35.61069042, 35.61069083,
            35.61069125, 35.61069222, 35.61069278, 35.61069333],
    'Long': [139.6304283]*19,
    'Val': [-54.6, -52.9, -52.6, -52.2, -49.3, -52.1, -52.2, -51.3, -51.8, -52.6,
            -53.5, -51.8, -54.1, -51.8, -53.5, -55.6, -53.2, -50.8, -54]
}
df = pd.DataFrame(data)

# 初始化结果列表和当前起始索引
result = []
current_idx = 0
total_rows = len(df)

while current_idx < total_rows:
    # 取当前基准点的坐标
    base_lat = df.iloc[current_idx]['Lat']
    base_lon = df.iloc[current_idx]['Long']
    
    # 计算所有未处理行到基准点的距离
    distances = haversine(base_lat, base_lon, df['Lat'][current_idx:], df['Long'][current_idx:])
    
    # 筛选距离≤0.005米的行的索引（相对于未处理的子DataFrame）
    mask = distances <= 0.005
    group_indices = mask[mask].index
    
    # 获取对应的原DataFrame的行范围
    start = current_idx
    end = current_idx + len(group_indices)
    
    # 提取分组数据
    group_df = df.iloc[start:end]
    
    # 计算聚合值：用基准点的坐标，Val均值，记录数
    agg_result = {
        'Lat': base_lat,
        'Long': base_lon,
        'Val_mean': group_df['Val'].mean(),
        'Count_of_records': len(group_df)
    }
    
    result.append(agg_result)
    
    # 更新当前起始索引到分组的下一行
    current_idx = end

# 转换为结果DataFrame
result_df = pd.DataFrame(result)
print(result_df)

代码细节说明 #

• Haversine函数：精确计算经纬度两点间的球面距离，单位转换为米，完全匹配你0.005米的范围要求；
• 迭代逻辑：严格遵循你描述的“从第一个位置为基准，范围外的下一个位置重复”的规则，不会出现重复或遗漏的记录；
• 聚合自定义：如果需要用分组的平均坐标代替基准点坐标，只需要把base_lat换成group_df['Lat'].mean()，base_lon同理即可。

性能提示 #

如果你的数据量非常大，这种迭代方式效率可能稍低，此时可以考虑引入空间索引库（比如rtree）来加速距离筛选；但对于中小规模的数据，上面的代码足够高效且易读。

内容的提问来源于stack exchange，提问作者user3206440