Python实现CSV经纬度点匹配最近OpenStreetMap建筑数据

原代码核心问题在于：错误使用OSMnx查找路网节点而非建筑，用生成器处理CSV未完成建筑匹配逻辑，且建筑数据的存储与检索方式效率低下。以下是优化后的实现方案，基于Geopandas和sklearn的BallTree完成高效的近邻建筑匹配：

完整代码 #

import geopandas as gpd
import numpy as np
from sklearn.neighbors import BallTree
from pyrosm import OSM, get_data
import pandas as pd
import warnings
from shapely.errors import ShapelyDeprecationWarning

# 屏蔽无关警告
warnings.filterwarnings("ignore", category=ShapelyDeprecationWarning)

def main():
    # 1. 加载OSM建筑数据
    chicago_osm = OSM(get_data("chicago"))
    buildings = chicago_osm.get_buildings()
    
    # 计算建筑中心点（用于近邻搜索）
    buildings["centroid"] = buildings.geometry.centroid
    # 转换为弧度格式的[纬度, 经度]数组（适配haversine距离计算）
    building_coords = np.radians(buildings["centroid"].apply(lambda geom: (geom.y, geom.x)).to_numpy())

    # 2. 加载CSV点数据（替换为你的文件路径）
    gig_data = pd.read_csv("data_sample.csv", encoding="latin-1")
    
    # --- 解析经纬度（根据你的CSV格式调整）---
    # 如果你的经纬度是类似"POINT(lon lat)"的字符串，用下面的代码解析：
    # coord_extract = gig_data["your_coord_column"].str.extract(r'POINT\((\d+\.\d+) (\d+\.\d+)\)')
    # gig_data["lon"] = coord_extract[0].astype(float)
    # gig_data["lat"] = coord_extract[1].astype(float)
    
    # 转换为弧度格式的[纬度, 经度]数组
    point_coords = np.radians(gig_data[["lat", "lon"]].to_numpy())

    # 3. 构建BallTree执行近邻搜索
    tree = BallTree(building_coords, metric="haversine")
    # 查找每个点的最近1个建筑，返回弧度距离和建筑索引
    distances_rad, indices = tree.query(point_coords, k=1)
    
    # 4. 转换距离为米并合并建筑属性
    gig_data["nearest_building_distance_m"] = distances_rad.flatten() * 6371000  # 地球半径约6371km
    nearest_buildings = buildings.iloc[indices.flatten()]
    # 合并建筑核心属性到原数据
    gig_data = pd.concat([
        gig_data.reset_index(drop=True),
        nearest_buildings.reset_index(drop=True)[["id", "name", "building"]]
    ], axis=1)

    # 5. 保存结果或继续分析
    gig_data.to_csv("gig_data_with_nearest_building.csv", index=False, encoding="latin-1")
    print(gig_data.head())

if __name__ == '__main__':
    main()

关键说明 #

• 数据预处理：将建筑几何图形转换为中心点，简化近邻计算；CSV中的经纬度需解析为数值型列，若为POINT(lon lat)格式，使用代码中的正则解析逻辑即可。
• 高效近邻搜索：BallTree搭配haversine metric专门适配经纬度数据，计算球面距离更准确，效率远高于逐点遍历。
• 结果合并：直接将匹配到的建筑ID、名称、类型等属性合并到原CSV，同时添加距离列辅助分析。

原代码修正点 #

1. 移除无关的路网加载逻辑，聚焦建筑数据处理；
2. 替换生成器为Pandas加载CSV，简化数据处理与合并流程；
3. 用BallTree替代低效字典检索，实现批量近邻匹配；
4. 直接关联建筑属性而非路网节点，解决核心需求。

内容的提问来源于stack exchange，提问作者Tor-iv