解决DataFrame中计算两组坐标距离的代码报错问题

问题描述 #

我的DataFrame包含以下坐标列：Start_Lat: 43.11944、Start_Lng: -75.2932、End_Lat: 43.12029、End_lng: -75.2935，希望新增Distance列存储两组坐标间的公里距离（示例值：0.0984）。我尝试了以下代码：

import geopy.distance as gd
coords_1 = data['Start_Lat'].astype(str) +", "+ data["Start_Lng"].astype(str)
coords_2 = data['End_Lat'].astype(str) +", "+ data["End_Lng"].astype(str)
data['Distance'] = gd(coords_1, coords_2)

但运行报错，请问问题出在哪里？

错误原因 #

• geopy模块调用方式错误：你直接用gd(coords_1, coords_2)是错误的，geopy.distance是模块而非可直接调用的函数，必须使用模块下的distance()方法，即gd.distance()。
• 坐标格式与批量处理错误：
  1. 无需将经纬度转为字符串，gd.distance()接受的是**(纬度, 经度)**格式的数值元组；
  2. gd.distance()不支持直接处理整个Series，需要逐行处理每一组坐标对。

正确实现代码 #

方法1：apply逐行计算（直观易读） #

import geopy.distance as gd

def calc_dist(row):
    coord_start = (row['Start_Lat'], row['Start_Lng'])
    coord_end = (row['End_Lat'], row['End_Lng'])
    # .km用于获取公里数，默认返回单位为米
    return gd.distance(coord_start, coord_end).km

data['Distance'] = data.apply(calc_dist, axis=1)

方法2：矢量化计算（性能更优） #

如果DataFrame数据量较大，用np.vectorize实现矢量化运算，效率比apply更高：

import geopy.distance as gd
import numpy as np

data['Distance'] = np.vectorize(
    lambda lat1, lng1, lat2, lng2: gd.distance((lat1, lng1), (lat2, lng2)).km
)(data['Start_Lat'], data['Start_Lng'], data['End_Lat'], data['End_Lng'])

内容的提问来源于stack exchange，提问作者afroduck