基于Python与Pandas的经纬度点间距离计算问题求助

一、基础距离计算（基于Haversine公式） #

你的数据集已完成经纬度转弧度，直接用Haversine公式即可计算两点间球面距离，以下是适配你数据集的Pandas实现代码：

import pandas as pd
import numpy as np
from itertools import product

# 假设你的数据框名为df（可根据实际变量名替换）
df = pd.DataFrame({
    'lat': [0.200081, 0.775020, 0.260559, 1.203430, -0.029293],
    'long': [0.246723, -1.437292, -1.594263, -2.425601, 0.592702]
}, index=['Veronica Session', 'Lynne Donahoo', 'Debbie Hanley', 'Lisandra Earls', 'Sybil Leef'])

def haversine(lat1, lon1, lat2, lon2):
    # 地球半径（单位：千米，若需英里可改为3956）
    R = 6371.0
    dlat = lat2 - lat1
    dlon = lon2 - lon1
    a = np.sin(dlat / 2)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon / 2)**2
    c = 2 * np.arctan2(np.sqrt(a), np.sqrt(1 - a))
    return R * c

# 生成所有不重复点对的距离结果
distance_records = []
for (name1, row1), (name2, row2) in product(df.iterrows(), df.iterrows()):
    if name1 < name2:  # 避免重复计算同一对点
        dist = round(haversine(row1['lat'], row1['long'], row2['lat'], row2['long']), 2)
        distance_records.append({
            '起点': name1,
            '终点': name2,
            '距离(km)': dist
        })

distance_df = pd.DataFrame(distance_records)
print(distance_df)

运行后会输出所有点对间的距离（保留两位小数），同时避免重复计算。

二、后续路线扩展优化方向 #

• 最优路径规划：若需遍历所有点的最短路线，可基于TSP（旅行商问题）实现，推荐用ortools库的RoutingModel做精确求解，或用scipy优化模块做近似计算。
• 批量计算提速：数据量较大时，改用向量化运算替代循环，利用Numpy广播机制一次性计算所有点对的距离，大幅提升效率。
• 自定义距离规则：如果需要考虑道路距离而非球面直线距离，可接入地图API（如高德、百度）的路径规划接口，但需注意调用限制。

内容的提问来源于stack exchange，提问作者Milo