如何使用Pandas将CSV中的UTM坐标转换为经纬度

没问题，我来帮你补全代码并详细解释如何完成UTM到经纬度的转换。你已经做了导入库和读取CSV的基础工作，只需要补充转换逻辑就行，先看完整的实现：

# 修正导入语句，使用Pandas常用的pd别名
import pandas as pd
import utm

# 读取目标CSV文件
df = pd.read_csv("0006.csv")

# 定义UTM转经纬度的函数
def utm_to_latlon(easting, northing):
    # 根据你的数据特征：Y值大于700万，判断为南半球；X值对应UTM带号53（可根据数据实际来源调整）
    latitude, longitude = utm.to_latlon(easting, northing, 53, 'S')
    return latitude, longitude

# 方式1：逐行处理（代码直观，适合小数据集）
df[['Latitude', 'Longitude']] = df.apply(
    lambda row: pd.Series(utm_to_latlon(row['X'], row['Y'])),
    axis=1
)

# 方式2：矢量化处理（速度更快，适合百万级大数据集）
# lat, lon = utm.to_latlon(df['X'].values, df['Y'].values, 53, 'S')
# df['Latitude'] = lat
# df['Longitude'] = lon

# 查看转换后的核心结果
print(df[['PositionDateTime', 'Latitude', 'Longitude', 'Z']].head())

# 可选：将转换后的数据保存为新CSV
# df.to_csv("converted_0006.csv", index=False)

关键细节说明： #

• UTM参数确认：utm.to_latlon()必须指定UTM带号和半球。你的数据中Y值（北向坐标）超过7000000，这是南半球UTM的典型特征；X值668471对应的带号是53（如果数据来自澳大利亚东部、新几内亚等区域，这个带号是准确的，若来源不同，需要根据实际调整）。
• 两种处理方式：
  • 逐行apply()代码逻辑更直观，适合小批量数据调试；
  • 矢量化处理直接传入整列数据，避免循环，效率提升数倍，适合大规模数据集。
• 结果验证：转换后建议拿1-2个坐标用在线UTM转换工具核对，确保带号和半球参数正确，避免转换偏差。

模拟转换结果（基于你的前5条数据）： #

PositionDateTime Latitude Longitude Z
0 2018-01-01 00:00:08 -30.301234 153.123456 43.60
1 2018-01-01 00:00:09 -30.301236 153.123456 43.62
2 2018-01-01 00:00:39 -30.301287 153.123470 44.00
3 2018-01-01 00:01:02 -30.301295 153.123473 44.07
4 2018-01-01 00:01:14 -30.301297 153.123473 44.09

（注：以上经纬度为模拟值，实际结果以正确参数转换为准）

内容的提问来源于stack exchange，提问作者YekHan Choy