先回应你的第二个疑问：你推测的完全没错！z=i.distance(world.geometry[3])计算的就是点到多边形的最短距离，并非到多边形质心的距离。Geopandas的distance方法针对点与多边形的组合，会自动计算点到多边形边界上最近点的距离（基于当前坐标系），完全符合你的需求。

接下来解决距离单位从度数转公里的核心问题：
你的原始数据采用的是WGS84经纬度坐标系（EPSG:4326），这种坐标系下的distance方法返回的是度数差，无法直接代表地面实际距离（不同纬度的1度地面长度差异很大）。这里有两种实用的解决思路：

方法1：投影到米/公里单位的坐标系后计算距离 #

我们可以将数据转换到适合的投影坐标系，比如加拿大专用的EPSG:3978（Canada Atlas Lambert）——这个投影针对加拿大区域做了优化，距离计算精准，单位为米。转换完成后计算距离，再除以1000即可得到公里数：

import geopandas as gpd

# 读取原始数据集
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))

# 转换到加拿大专用投影（单位：米）
canada_proj = world[world.name == 'Canada'].to_crs(epsg=3978)
cities_proj = cities.to_crs(epsg=3978)

# 计算每个城市到加拿大的最短距离，转换为公里
distances_km = []
for city_geom in cities_proj.geometry:
    dist_m = city_geom.distance(canada_proj.geometry.iloc[0])
    distances_km.append(dist_m / 1000)

print(distances_km)

如果需要全球通用的投影方案，可以改用EPSG:4087（World Equidistant Cylindrical），它的经线距离比例一致，单位同样是米，适合跨大范围的距离计算。

方法2：直接用测地线计算球面距离（无需投影） #

如果不想转换坐标系，可借助pyproj的Geod类直接计算经纬度对应的球面最短路径距离（单位为米），这种方法更适配全球范围的计算场景：

import geopandas as gpd
from pyproj import Geod

# 初始化WGS84测地线计算器
geod = Geod(ellps='WGS84')

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))

# 获取加拿大的多边形几何对象
canada_geom = world.geometry[3]

distances_km = []
for city_geom in cities.geometry:
    # 计算点到多边形的测地线最短距离（米）
    dist_m = geod.geometry_distance(city_geom, canada_geom)
    distances_km.append(dist_m / 1000)

print(distances_km)

小提示 #

• 方法1适合区域范围的计算（比如仅关注加拿大周边），投影后的平面距离误差极小；
• 方法2适合全球范围的计算，直接贴合地球球面的实际最短路径，结果更精准。

内容的提问来源于stack exchange，提问作者The Oracle