高效计算Pandas DataFrame经纬度坐标点间距离的方法

核心结论 #

• 总计算量为30栋建筑×30000个城市=90万次配对计算，量级很小，完全可以实现。
• 不推荐直接用Geopy逐行循环计算：Geopy的测地线距离精度高，但纯Python逐行循环跑90万次耗时可达40~60秒，效率很低。优先选择向量化计算方案，耗时不到0.1秒，完全满足城市级距离计算的精度要求。

最优实现代码（向量化Haversine公式） #

Haversine是计算球面两点距离的经典公式，对于城市级距离计算，误差在米级，完全够用，配合numpy向量化运算速度极快。

import pandas as pd
import numpy as np

# ----------------------
# 此处复用你已有的df1、df2定义即可
# df1 = pd.DataFrame(...)
# df2 = pd.DataFrame(...)
# ----------------------

# 1. 生成笛卡尔积：配对所有建筑和城市的经纬度
df1['tmp_key'] = 1
df2['tmp_key'] = 1
cross_df = pd.merge(
    df1, 
    df2, 
    on='tmp_key', 
    suffixes=('', '_city') # 城市经纬度列加后缀区分
).drop('tmp_key', axis=1)

# 2. 定义向量化距离计算函数，返回单位为公里
def calc_haversine(lat1, lon1, lat2, lon2):
    # 经纬度角度转弧度
    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 c * 6371 # 地球平均半径取6371km

# 批量计算所有配对的距离
cross_df['Distance'] = calc_haversine(
    cross_df['Latitude'],
    cross_df['Longitude'],
    cross_df['Latitude_city'],
    cross_df['Longitude_city']
)

# 3. 整理为你需要的输出结构
output_df = cross_df[['City', 'Building', 'Latitude', 'Longitude', 'Distance']]
output_df = output_df.set_index(['City', 'Building'])

若需使用Geopy高精度计算的优化方案 #

如果你需要WGS84椭球模型下的更高精度距离，不要写双层for循环逐行调用Geopy，配合并行计算可以把耗时压缩到3~5秒：

from geopy.distance import geodesic
import swifter # 需提前安装：pip install swifter

# 先执行前面的笛卡尔积步骤得到cross_df，再运行以下代码
cross_df['Distance'] = cross_df.swifter.apply(
    lambda row: geodesic(
        (row['Latitude'], row['Longitude']),
        (row['Latitude_city'], row['Longitude_city'])
    ).km,
    axis=1
)

# 后续整理输出结构的步骤和前面一致

耗时参考 #

• 纯Python双层循环+Geopy：40~60秒
• 并行apply+Geopy：3~5秒
• 向量化Haversine公式：<0.1秒，90万次计算瞬时完成

内容的提问来源于stack exchange，提问作者092374