基于距离计算匹配两个DataFrame间经纬度点的最近位置

针对两类带经纬度信息的点位，按空间距离最近规则做关联匹配，以下是可直接复用的实现方案。

示例输入数据 #

import pandas as pd
import numpy as np
from sklearn.neighbors import BallTree

# 计量设备点位数据集
df_device = pd.DataFrame({
    'device_id': [1, 2],
    'lat': [32, 55],
    'long': [-89, -8]
})

# 站点点位数据集
df_station = pd.DataFrame({
    'station_id': [10, 20],
    'lat': [33, 56],
    'long': [-88.23, -7]        
})

实现代码 #

采用BallTree做球面距离最近邻查询，适配经纬度的球面空间特性，计算效率远高于暴力遍历，适合万级以上点位的匹配场景：

# Haversine距离计算要求输入为弧度单位，先做角度转弧度
device_coords = np.deg2rad(df_device[['lat', 'long']].values)
station_coords = np.deg2rad(df_station[['lat', 'long']].values)

# 构建站点点位的球面距离索引
tree = BallTree(station_coords, metric='haversine')
# 查询每个设备点距离最近的1个站点，返回弧度距离、对应站点在df_station中的索引
dist_rad, nearest_idx = tree.query(device_coords, k=1)

# 关联匹配结果，距离转换为公里单位（地球平均半径取6371km）
df_result = df_device.copy()
df_result['nearest_station_id'] = df_station.iloc[nearest_idx.flatten()]['station_id'].values
df_result['station_lat'] = df_station.iloc[nearest_idx.flatten()]['lat'].values
df_result['station_long'] = df_station.iloc[nearest_idx.flatten()]['long'].values
df_result['distance_km'] = dist_rad.flatten() * 6371

输出效果 #

运行后得到的匹配结果和预期一致：

device_id  lat  long  nearest_station_id  station_lat  station_long  distance_km
0          1   32   -89                  10        33.0        -88.23   133.925263
1          2   55    -8                  20        56.0         -7.00   128.010711

预期输出参考截图：

补充说明 #

• 若点位集中在极小范围区域、对距离精度要求低，也可直接用欧氏距离计算，省略弧度转换步骤
• 若需要匹配每个点位最近的N个站点，只需修改query方法的k参数为对应数值即可
• 若数据集小于1000条，也可以用scipy的distance.cdist暴力计算所有点对距离取最小值，逻辑更直观但大数据量下性能差

内容的提问来源于stack exchange，提问作者Sadcow