如何遍历两个DataFrame并在ID匹配时计算经纬度坐标距离

首先不建议手动遍历两个DataFrame做匹配，用merge关联的方式性能更高、代码更简洁，实现步骤如下： #

步骤1：导入依赖并构造示例数据 #

import pandas as pd
import numpy as np

# 构造和问题结构一致的示例数据
df1 = pd.DataFrame({
    'ID': [1],
    'Name': ['xyz'],
    'lat/long': [(23, 12)]
})
df2 = pd.DataFrame({
    'ID': [1],
    'Store': ['pharmacy'],
    'lat/long': [(23, 13)]
})

步骤2：拆分经纬度元组为独立字段 #

# 拆分df1的经纬度
df1[['lat1', 'lon1']] = pd.DataFrame(df1['lat/long'].tolist(), index=df1.index)
# 拆分df2的经纬度
df2[['lat2', 'lon2']] = pd.DataFrame(df2['lat/long'].tolist(), index=df2.index)

步骤3：按ID关联匹配两个表 #

内连接会自动过滤掉两个表ID不匹配的行，等效于你写的ID相等判断逻辑

merged_df = pd.merge(df1, df2, on='ID', how='inner')

步骤4：批量计算经纬度距离 #

这里用常用的哈弗辛公式计算地球球面距离，返回单位为千米，如果只需要平面欧式距离可以直接修改计算逻辑：

def haversine(lat1, lon1, lat2, lon2):
    # 地球平均半径，单位千米
    R = 6371.0
    # 角度转弧度
    lat1_rad = np.radians(lat1)
    lon1_rad = np.radians(lon1)
    lat2_rad = np.radians(lat2)
    lon2_rad = np.radians(lon2)
    
    dlat = lat2_rad - lat1_rad
    dlon = lon2_rad - lon1_rad
    
    a = np.sin(dlat / 2)**2 + np.cos(lat1_rad) * np.cos(lat2_rad) * np.sin(dlon / 2)**2
    c = 2 * np.arctan2(np.sqrt(a), np.sqrt(1 - a))
    
    return R * c

# 一次性计算所有匹配ID的距离
merged_df['distance_km'] = haversine(merged_df['lat1'], merged_df['lon1'], merged_df['lat2'], merged_df['lon2'])

（不推荐）手动遍历实现方案 #

如果确实需要按遍历的方式实现，可参考以下写法，数据量较大时性能远低于merge方案：

result = []
for _, row1 in df1.iterrows():
    for _, row2 in df2.iterrows():
        if row1['ID'] == row2['ID']:
            lat1, lon1 = row1['lat/long']
            lat2, lon2 = row2['lat/long']
            dist = haversine(lat1, lon1, lat2, lon2)
            result.append({
                'ID': row1['ID'],
                'Name': row1['Name'],
                'Store': row2['Store'],
                'distance_km': dist
            })
result_df = pd.DataFrame(result)

注意：如果你的经纬度是GCJ02、BD09等国内坐标系，需要先做坐标系转换再计算距离，否则会有偏差

内容的提问来源于stack exchange，提问作者mohammad zain