Pandas计算DataFrame每行经纬度到固定坐标点的公里距离

直接使用pandas的逐行应用apply方法配合geopy即可完成批量距离计算，注意经纬度传入顺序必须是*(纬度, 经度)*，和geopy的参数要求保持一致，不要写反顺序。

完整可运行代码 #

import pandas as pd
import geopy.distance

# 若你已经读取了现有DataFrame，可跳过这段构造测试数据的代码
df = pd.DataFrame({
    "code": ["01", "02", "03", "04", "05", "06"],
    "latitude": [40.410323, 41.490604, 39.287817, 38.594316, 36.900799, 36.541667],
    "longitude": [-3.993046, 1.696572, -0.435448, -0.128489, -3.423063, -4.625]
})

# 定义固定目标点坐标
fixed_coords = (36.7196, -4.42002)

# 逐行计算距离，生成新列
df["km_to_fixed_coords"] = df.apply(
    lambda row: geopy.distance.distance((row["latitude"], row["longitude"]), fixed_coords).km,
    axis=1
)

# 打印验证结果
print(df)

代码说明 #

• axis=1参数指定apply按行遍历DataFrame，每次传入一行的Series对象，可直接通过列名提取对应经纬度值
• 计算结果直接赋值给新列km_to_fixed_coords，返回值单位默认为公里，和你提供的单点计算逻辑完全一致
• 运行结果和你给出的预期输出基本匹配，仅第6行因为示例原始数据经度（-4.625）和预期结果对应行的经度（-4.625342）存在微小精度差，计算值会有极小幅偏差，替换为你的真实业务数据即可得到完全一致的结果

性能提示 #

• 该写法在数据量10万行以内时运行效率足够日常使用
• 如果你的数据量达到百万级，逐行apply速度会明显变慢，可以替换为pyproj等支持矢量计算的大地距离库实现批量计算，效率可提升数十倍

内容的提问来源于stack exchange，提问作者Carola