如何从pandas DataFrame中查找与输入经纬度重合或最近的地理坐标

最优高效解决方案（适合大数据量场景） #

推荐使用scikit-learn的NearestNeighbors模块结合哈弗辛（haversine）球面距离实现，底层基于Ball Tree/KD Tree索引，仅需首次构建一次索引，后续单次查询耗时仅为毫秒级，百万级数据量下也能稳定运行，远优于逐行计算距离的方案。

第一步：依赖导入与数据预处理 #

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

# 示例DataFrame
df_geo = pd.DataFrame({'Address': ['Addr1','Addr2','Addr3'],
                       'Value': [100, 101, 103],
                       'Lat': [33.515226, 33.51529, 33.515230],
                       'Long': [-112.094456, -112.094459, -112.094464]})

# 将经纬度转换为弧度，适配haversine距离计算要求
df_geo['lat_rad'] = np.radians(df_geo['Lat'])
df_geo['lon_rad'] = np.radians(df_geo['Long'])

第二步：构建全局索引（仅需执行一次） #

# 构建最近邻查询模型，metric指定为haversine计算球面距离
nbrs_model = NearestNeighbors(
    n_neighbors=1,  # 只取最近的1个结果
    metric='haversine',
    algorithm='ball_tree',  # 球面坐标下ball_tree效率更高
    n_jobs=-1  # 调用全CPU核心加速索引构建
).fit(df_geo[['lat_rad', 'lon_rad']])

第三步：用户输入后的查询逻辑 #

# 地理编码API返回的查询经纬度示例 [纬度, 经度]
query_geo = [33.515227, -112.094457]
# 转换为弧度并调整维度适配模型输入
query_rad = np.radians(query_geo).reshape(1, -1)

# 查询最近点：返回结果第一个是距离（单位弧度），第二个是对应DataFrame的行索引
distance_rad, match_idx = nbrs_model.kneighbors(query_rad)

# 提取目标字段
match_row = df_geo.iloc[match_idx[0][0]]
target_address = match_row['Address']
target_value = match_row['Value']

# 可选：计算实际物理距离（单位：公里，地球平均半径取6371km）
actual_distance_km = distance_rad[0][0] * 6371

# 可选：判断是否为重合点，比如距离小于1米则认为完全重合
if actual_distance_km < 0.001:
    print("查询到完全重合的条目")

方案优势 #

• 时间复杂度：索引构建耗时O(n log n)，单次查询耗时O(log n)，比逐行遍历计算距离的O(n)方案快100~1000倍（十万级以上数据量差距更明显）
• 精度高：haversine距离直接计算球面两点的大圆距离，不存在平面投影带来的误差，全球范围数据都适用
• 可扩展性强：如果需要返回最近的N个结果，仅需修改n_neighbors参数即可

内容的提问来源于stack exchange，提问作者kms