Python循环处理两个CSV文件计算坐标距离输出合并结果

现有代码问题 #

• 循环内部重复创建空DataFrame并覆盖写入ctlg.csv，最终仅保留最后一次计算结果
• 未将距离值追加到原始catalog数据集对应行，未保留原始数据
• 双重iterrows遍历性能差，数据量较大时运行效率极低

修改后可运行代码 #

import pandas as pd
import geopy.distance

# 读取原始数据
ctlg = pd.read_csv('catalog.csv', sep=',')
sts = pd.read_csv('station.csv', sep=',')

# 遍历每个站点，批量计算所有catalog点到当前站点的距离并追加为新列
for sts_idx, sts_row in sts.iterrows():
    # 请替换为你station.csv中实际的经纬度列名，用列名取值比列索引更稳定
    sts_lat, sts_lon = sts_row['latitude'], sts_row['longitude']
    ctlg[f'distance_sts{sts_idx+1}'] = ctlg.apply(
        # 示例默认返回公里数值，要获取米为单位可将.km修改为.m
        lambda x: geopy.distance.distance((x['latitude'], x['longitude']), (sts_lat, sts_lon)).km,
        axis=1
    )

# 所有列计算完成后一次性导出，保留全部原始字段+新增距离列
ctlg.to_csv('ctlg.csv', index=False, encoding='utf-8-sig')

补充说明 #

• 代码默认保留catalog.csv所有原始列，新增的29个距离列会按站点顺序依次追加，完全匹配你需要的列结构
• 如果station.csv中存在站点名称字段，可将距离列名替换为站点名称，可读性更强

内容的提问来源于stack exchange，提问作者Francesco Alexandr Colosimo