替代Pandas apply的更优方案：点到海岸线距离计算提速

需求与数据说明 #

• 核心需求：计算每个点到最近海岸线的距离
• 两类输入数据：
  1. 点数据（sample_Data）：包含纬度（위도）、经度（경도）字段，示例数据：

     索引	위도	경도
     0	36.648365	127.486831
     1	36.648365	127.486831
     2	37.569615	126.819528
     3	37.569615	126.819528

  2. 海岸线数据（gdf）：GeoDataFrame格式，存储LINESTRING类型的海岸线线段，示例数据：

     索引	geometry
     0	LINESTRING (127.45000 34.45696, 127.44999 34.4...)
     1	LINESTRING (127.49172 34.87526, 127.49173 34.8...)
     2	LINESTRING (129.06340 37.61434, 129.06326 37.6...)

现有实现与问题 #

当前使用的代码耗时约6小时，效率极低，代码如下：

def min_distance(x,y):
    sreach_point = Point(x,y)
    a =  gdf.swifter.progress_bar(enable=True).apply(lambda x : geod.geometry_length(LineString(nearest_points(x['geometry'], sreach_point))),axis = 1)
    return a.min()

sample_Data['거리']= sample_Data.apply(lambda x : min_distance(x['경도'],x['위도']),axis =1 ,result_type='expand')

疑问解答：交叉连接能否提升速度？ #

完全不能，反而会导致性能崩溃。交叉连接会生成点数据与海岸线线段的所有组合，数据量直接变为点数量 × 线段数量，计算量和内存占用会呈爆炸式增长，比当前的O(N*M)复杂度更糟糕。

高效优化方案 #

1. 利用空间索引筛选候选线段 #

GeoPandas的空间索引可以快速定位每个点附近的海岸线线段，避免遍历全部数据，是最有效的优化手段：

# 预先构建海岸线数据的空间索引
sindex = gdf.sindex

def min_distance_optimized(lon, lat):
    point = Point(lon, lat)
    # 通过空间索引获取可能包含最近点的线段候选集
    candidate_indices = list(sindex.intersection(point.bounds))
    candidates = gdf.iloc[candidate_indices]
    # 仅在候选集中计算最近距离
    distances = candidates.geometry.apply(lambda geom: geod.geometry_length(LineString(nearest_points(geom, point))))
    return distances.min()

# 应用优化后的函数
sample_Data['거리'] = sample_Data.apply(lambda row: min_distance_optimized(row['경도'], row['위도']), axis=1)

2. 使用GeoPandas内置的join_nearest批量处理 #

GeoPandas 0.10+版本支持sjoin_nearest，可以直接批量关联每个点的最近海岸线线段，再计算距离：

import geopandas as gpd

# 将点数据转换为GeoDataFrame，确保与海岸线数据坐标系一致
points_gdf = gpd.GeoDataFrame(
    sample_Data,
    geometry=gpd.points_from_xy(sample_Data['경도'], sample_Data['위도']),
    crs=gdf.crs
)

# 关联最近的海岸线线段
joined = gpd.sjoin_nearest(points_gdf, gdf, how='left')

# 计算每个点到对应最近线段的距离
joined['거리'] = joined.apply(
    lambda row: geod.geometry_length(LineString(nearest_points(row['geometry_left'], row['geometry_right']))),
    axis=1
)

# 将结果合并回原数据框
sample_Data['거리'] = joined['거리']

3. 简化海岸线数据（可选） #

如果海岸线数据包含大量精细微小线段，可以先对其进行简化，减少计算量：

# 简化海岸线线段，tolerance为简化阈值（单位与坐标系一致，如米）
gdf_simplified = gdf.copy()
gdf_simplified['geometry'] = gdf_simplified['geometry'].simplify(tolerance=10)
# 之后使用简化后的gdf进行距离计算

注意调整tolerance值，平衡计算速度与距离精度。

内容的提问来源于stack exchange，提问作者정충호