如何用Pandas结合Geopy计算DataFrame相邻行坐标的距离？

最简实现方案 #

直接利用Pandas的shift()方法获取下一行的坐标，结合apply()调用Geopy的geodesic计算距离：

import pandas as pd
import geopy.distance

# 原始数据初始化
r = {'poly':[(49.419453, 0.232884),(49.41956, 0.23269),(49.41956, 0.23261),(49.41953, 0.23255),(49.41946, 0.23247)]}
df = pd.DataFrame(r)

# 获取下一行的坐标（最后一行会得到NaN）
df['next_poly'] = df['poly'].shift(-1)

# 计算相邻行的距离（单位：米），最后一行无后续行，设为0
df['dist'] = df.apply(
    lambda row: geopy.distance.geodesic(row['poly'], row['next_poly']).m 
    if pd.notna(row['next_poly']) 
    else 0,
    axis=1
)

# 可选：删除临时辅助列
df = df.drop('next_poly', axis=1)

print(df)

补充优化（大数据量场景） #

如果数据量较大，列表推导式比apply()性能更优，可替代使用：

df['dist'] = [
    geopy.distance.geodesic(df['poly'].iloc[i], df['poly'].iloc[i+1]).m 
    for i in range(len(df)-1)
] + [0]

关键说明 #

• shift(-1)：将坐标列整体上移一行，让当前行直接匹配下一行的坐标，最后一行因无后续数据会生成NaN。
• 计算时通过pd.notna()过滤空值，避免报错；最后一行的距离值可根据需求调整为NaN或其他默认值。

内容的提问来源于stack exchange，提问作者JK2018