如何对落入同一10km边界框的DataFrame经纬度行分组累加并去重

问题原因 #

你之前使用固定步长0.1进行经纬度分箱，和你自定义的10km×10km边界框对应的经纬度偏移量不匹配，是分组未达预期的核心原因。

实现方案 #

步骤1：计算10km对应的经纬度分箱步长 #

和你提供的create_space逻辑保持一致，先算出10km距离对应的纬度偏移量，再根据你的数据纬度范围计算经度偏移量：

import math
import numpy as np
import pandas as pd

# 地球半径（单位：米）
EARTH_RADIUS = 6378137
# 10km对应的纬度差（固定值，约0.0898度）
lat_step = (180 / math.pi) * (500 / EARTH_RADIUS) * 10
# 计算经度偏移量：根据数据的平均纬度做修正，保证经度方向也是10km
avg_lat = df['lat'].mean()
lon_step = lat_step / math.cos(math.radians(avg_lat))

步骤2：经纬度分箱 #

按照上面计算得到的步长对经纬度做分箱处理：

df['lat_bin'] = np.floor(df['lat'] / lat_step) * lat_step
df['lon_bin'] = np.floor(df['lon'] / lon_step) * lon_step

步骤3：分组聚合 #

将同一个分箱内的行归为一组，累加occurrence字段，其余字段可根据需求选择保留第一个值/平均值等：

# 按分箱分组
group_df = df.groupby(['lat_bin', 'lon_bin'], as_index=False)
# 聚合规则可根据你的实际字段调整，这里示例保留组内第一个经纬度，累加occurrence
result_df = group_df.agg(
    lat = ('lat', 'first'),
    lon = ('lon', 'first'),
    occurrence = ('occurrence', 'sum')
    # 其余需要保留的字段可在这里补充对应聚合规则
)
# 可选：删除不需要的分箱字段
result_df = result_df.drop(columns=['lat_bin', 'lon_bin'])

补充说明 #

如果你的数据纬度跨度极大，对精度要求极高，可以按每个纬度分箱的中心纬度单独计算对应经度步长，避免跨纬度区域的经度偏移误差。如果数据量较小，也可以引入R树空间索引做精确的边界包含判断，避免分箱边界的点误判。

内容的提问来源于stack exchange，提问作者Nickey