基于两个DataFrame经纬度计算distance特征的迭代问题求助

首先得指出你代码里的核心问题：你在遍历df1的时候，把df2的整列纬度和经度传给了haversine_distance函数，这会让函数返回一个数组（每个df1行对应所有df2行的距离），而df1['distance']需要的是单个值，直接赋值会导致数据结构不匹配，要么报错，要么得到嵌套的数组列，这肯定不是你想要的结果。

下面根据你的实际需求给出两种解决方案：

场景1：计算df1与df2对应行的距离（同索引匹配） #

如果你的需求是df1的第1行对应df2的第1行，第2行对应第2行，这种一对一的距离计算，完全不需要遍历，利用numpy和pandas的向量化操作就能高效完成，速度比遍历快得多：

import numpy as np
import pandas as pd

# 你的haversine距离函数（保持不变）
def haversine_distance(lat1, lon1, lat2, lon2):
    r = 6371
    phi1 = np.radians(lat1)
    phi2 = np.radians(lat2)
    delta_phi = np.radians(lat2 - lat1)
    delta_lambda = np.radians(lon2 - lon1)
    a = np.sin(delta_phi / 2)**2 + np.cos(phi1) * np.cos(phi2) * np.sin(delta_lambda / 2)**2
    res = r * (2 * np.arctan2(np.sqrt(a), np.sqrt(1 - a)))
    return np.round(res, 2)

# 构造示例数据
df1 = pd.DataFrame({
    'longitude': [6.484708, 5.487838, 3.487838],
    'latitude': [43.506405, 43.559794, 43.218794],
    'distance': [np.nan, np.nan, np.nan]
})

df2 = pd.DataFrame({
    'longitude': [6.284471, 5.187238, 7.487858],
    'latitude': [43.506405, 43.545311, 43.561234]
})

# 直接向量化计算对应行的距离
df1['distance'] = haversine_distance(df1['latitude'], df1['longitude'], df2['latitude'], df2['longitude'])

print(df1)

运行后df1的distance列会得到每个对应行的距离值，比如第一行的结果是22.27（因为纬度相同，经度差对应的距离）。

场景2：计算df1每行与df2所有行的距离（取最近/最远/全部） #

如果你的需求是计算df1的每一行到df2所有行的距离，然后比如保留最近的距离，那可以在遍历的时候对返回的距离数组做处理，比如取最小值：

distances_km = []
for row in df1.itertuples(index=False):
    # 计算当前行与df2所有行的距离，得到一个数组
    all_distances = haversine_distance(row.latitude, row.longitude, df2['latitude'], df2['longitude'])
    # 取最小距离（你也可以换成max()取最远，或者直接把all_distances存起来）
    distances_km.append(all_distances.min())

df1['distance'] = distances_km
print(df1)

这样df1的distance列会得到每行到df2所有点的最近距离，比如第三行的结果是444.73。

如果你想保留所有距离，可以把distances_km改成存储数组，然后df1['distance']会变成包含数组的列，后续可以根据需求展开或处理。

内容的提问来源于stack exchange，提问作者Med Nadhir afsa