基于含经纬度的CSV文件生成酒店间距离矩阵技术求助

你之前的代码仅计算了纬度的差值，没有考虑经纬度结合的球面实际距离。要生成真实的地点间距离矩阵，需要基于地球球面/椭球模型计算两点间的最短距离，以下是几种实用的实现方式：

方法1：手动实现Haversine公式 #

Haversine公式是计算球面两点间最短距离的经典方法，适合自定义需求：

import numpy as np
import pandas as pd

# 读取CSV数据（替换为你的文件路径）
df = pd.read_csv("locations.csv")

def haversine(lat1, lon1, lat2, lon2):
    # 将角度转为弧度
    lat1, lon1, lat2, lon2 = map(np.radians, [lat1, lon1, lat2, lon2])
    # 计算经纬度差值
    dlat = lat2 - lat1
    dlon = lon2 - lon1
    # Haversine核心计算逻辑
    a = np.sin(dlat/2)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2)**2
    c = 2 * np.arcsin(np.sqrt(a))
    # 地球平均半径（单位：公里，换成3956可得到英里结果）
    earth_radius = 6371
    return c * earth_radius

# 提取经纬度数组
coords = df[["latitude", "longitude"]].values
# 初始化距离矩阵
distance_matrix = np.zeros((len(coords), len(coords)))

# 遍历计算每对地点的距离
for i in range(len(coords)):
    for j in range(len(coords)):
        distance_matrix[i, j] = haversine(coords[i,0], coords[i,1], coords[j,0], coords[j,1])

# 转换为带地点名称的DataFrame
distance_df = pd.DataFrame(distance_matrix, index=df["name"], columns=df["name"])
# 合并原名称列与距离矩阵（保持和你原代码类似的输出格式）
final_df = pd.concat([df[["name"]], distance_df], axis=1)

方法2：用Scipy实现向量化计算（更高效） #

利用scipy.spatial.distance.cdist实现向量化计算，避免嵌套循环，处理大量数据时速度更快：

import numpy as np
import pandas as pd
from scipy.spatial.distance import cdist

df = pd.read_csv("locations.csv")

def haversine_vec(latlon_pair1, latlon_pair2):
    lat1, lon1 = latlon_pair1
    lat2, lon2 = latlon_pair2
    lat1, lon1, lat2, lon2 = map(np.radians, [lat1, lon1, lat2, lon2])
    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.arcsin(np.sqrt(a))
    return 6371 * c

coords = df[["latitude", "longitude"]].values
# 直接生成距离矩阵
distance_matrix = cdist(coords, coords, metric=haversine_vec)
distance_df = pd.DataFrame(distance_matrix, index=df["name"], columns=df["name"])
final_df = pd.concat([df[["name"]], distance_df], axis=1)

方法3：用Geopy库（更简洁准确） #

Geopy的geodesic方法基于WGS-84椭球模型计算距离，比纯球面模型更接近真实地球的形状，精度更高：

import pandas as pd
from scipy.spatial.distance import cdist
from geopy.distance import geodesic

df = pd.read_csv("locations.csv")

def geopy_dist(latlon_pair1, latlon_pair2):
    # geodesic接受(lat, lon)格式的元组，返回距离对象，.km转为公里单位
    return geodesic(latlon_pair1, latlon_pair2).km

coords = df[["latitude", "longitude"]].values
distance_matrix = cdist(coords, coords, metric=geopy_dist)
distance_df = pd.DataFrame(distance_matrix, index=df["name"], columns=df["name"])
final_df = pd.concat([df[["name"]], distance_df], axis=1)

注意事项 #

• 单位转换：如果需要英里结果，Haversine方法将地球半径改为3956；Geopy方法把.km换成.miles即可。
• 精度选择：对距离准确性要求高的场景，优先用Geopy的geodesic方法。

内容的提问来源于stack exchange，提问作者dfouheqoijefoih