经纬度计算2km半径内重叠场馆数量的Python实现方案咨询

以下是两种可直接落地的实现方式，你可以根据依赖安装情况选择：

方案1：BallTree 高效实现（推荐） #

针对地理空间距离计算场景，scikit-learn的BallTree支持直接使用球面距离（haversine）做近邻查询，1500条数据的计算耗时可以忽略，结果精准：

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

# 替换为你自己的数据集读取逻辑
df = pd.read_csv('你的场馆数据集路径.csv')
# 先清理经纬度空值
df = df.dropna(subset=['latitude', 'longitude']).reset_index(drop=True)

# BallTree要求输入为弧度，顺序为[纬度, 经度]
coords = np.radians(df[['latitude', 'longitude']].values)
# 构建BallTree，使用haversine距离（返回结果单位为地球半径）
tree = BallTree(coords, metric='haversine')

# 地球平均半径为6371km，2km对应的弧度值 = 距离/地球半径
radius = 2 / 6371
# 查询每个点半径范围内的所有点数量
counts = tree.query_radius(coords, r=radius, count_only=True)
# 减1是排除场馆自身，得到其他场馆的数量
df['overlap'] = counts - 1

方案2：haversine包暴力实现 #

如果不想额外引入scikit-learn依赖，用haversine包直接遍历计算也完全可行，1500条数据的计算量极低不会有性能问题：

import pandas as pd
from haversine import haversine, Unit

df = pd.read_csv('你的场馆数据集路径.csv')
df = df.dropna(subset=['latitude', 'longitude']).reset_index(drop=True)

overlap_counts = []
for i, row in df.iterrows():
    current_loc = (row['latitude'], row['longitude'])
    cnt = 0
    for j, other_row in df.iterrows():
        # 跳过当前场馆自身
        if i == j:
            continue
        other_loc = (other_row['latitude'], other_row['longitude'])
        # 计算距离单位为km
        dist = haversine(current_loc, other_loc, unit=Unit.KILOMETERS)
        if dist <= 2:
            cnt +=1
    overlap_counts.append(cnt)

df['overlap'] = overlap_counts

• 两种方案计算结果完全一致，BallTree的性能优势在数据量超过1万条后会更明显
• 计算时注意统一单位，避免出现米和公里混用的误差
• 如果你的经纬度字段名是lat/lng，替换代码中的对应字段名即可

内容的提问来源于stack exchange，提问作者Lee Vincent