坐标距离计算的资源最优方案：大样本100米邻域计数

直接循环计算每个点与20万+住宅坐标的距离效率极低，推荐用空间索引/近邻搜索数据结构将时间复杂度从O(n*m)降至O(n log m)，以下是两种最优方案：

方案一：Geopandas + 空间索引（地理场景首选） #

适合带地理坐标系的坐标数据，直观且支持复杂空间操作：

1. 将普通DataFrame转为GeoDataFrame，确保坐标系为米制单位（如UTM），若原始是经纬度需先转换，否则距离计算会出错
2. 为20万+住宅数据构建空间索引，通过边界框快速过滤候选点，再精确计算距离

示例代码：

import geopandas as gpd
from shapely.geometry import Point

# 假设原始数据是WGS84经纬度，转换为目标区域对应的UTM米制坐标系（示例用中国东部EPSG:32650）
df1 = gpd.GeoDataFrame(df1, geometry=gpd.points_from_xy(df1.X, df1.Y), crs="EPSG:4326")
df1 = df1.to_crs("EPSG:32650")

df2 = gpd.GeoDataFrame(df2, geometry=gpd.points_from_xy(df2.X, df2.Y), crs="EPSG:4326")
df2 = df2.to_crs("EPSG:32650")

# 构建df2的空间索引
sindex = df2.sindex

# 定义统计函数：先过滤候选点再精确计算距离
def count_nearby(point):
    # 空间索引快速筛选边界框内的候选点
    candidate_idx = list(sindex.intersection(point.buffer(100).bounds))
    candidates = df2.iloc[candidate_idx]
    # 精确筛选100米内的点并计数
    return len(candidates[candidates.distance(point) <= 100])

# 批量计算并赋值
df1['observations_within100m'] = df1.geometry.apply(count_nearby)

方案二：Scikit-learn BallTree（纯数值坐标最快） #

如果是平面米制坐标（无需地理坐标系转换），用BallTree做近邻搜索速度最优：

import numpy as np
from sklearn.neighbors import BallTree

# 提取坐标数组
df2_coords = df2[['X', 'Y']].values
# 构建BallTree，平面坐标用欧氏距离
tree = BallTree(df2_coords, metric='euclidean')

# 批量查询每个点100米内的数量
counts, _ = tree.query_radius(df1[['X', 'Y']].values, r=100, count_only=True)
df1['observations_within100m'] = counts

关键注意事项 #

• 坐标系必须统一为米制：若用经纬度直接计算欧氏距离会得到错误的米数，需转UTM或用haversine球面距离（需将经纬度转弧度）
• 性能差异：BallTree速度远快于Geopandas，适合纯数值坐标场景；Geopandas更灵活，支持复杂地理操作
• 内存占用：20万行数据的BallTree内存占用极低，400行查询可瞬间完成

内容的提问来源于stack exchange，提问作者TvCasteren