如何基于CSV数据计算多全球位置间的两两距离？

你已经有了一个可靠的球面距离计算函数，现在要扩展到多位置的两两配对计算对吧？其实只需要两步核心操作：读取解析CSV数据，生成所有不重复的位置组合来调用你的函数。下面是具体的实现方案：

方法步骤 #

1. 导入必要模块：除了你用到的math，还需要csv（或更便捷的pandas）读取数据，以及itertools.combinations生成两两组合。
2. 读取预处理CSV数据：提取位置名称和经纬度，转换成便于计算的格式（比如用元组存储坐标）。
3. 生成组合并计算距离：用combinations获取无序位置对（避免重复计算如(A,B)和(B,A)），逐个调用global_distance函数。

完整代码示例 #

方案1：使用标准库csv（无需额外依赖） #

import math
import csv
from itertools import combinations

def global_distance(location1, location2):
    lat1, lon1 = location1
    lat2, lon2 = location2
    radius = 6371  # 地球半径，单位：公里
    dlat = math.radians(lat2 - lat1)
    dlon = math.radians(lon2 - lon1)
    a = math.sin(dlat/2) * math.sin(dlat/2) + math.cos(math.radians(lat1)) \
        * math.cos(math.radians(lat2)) * math.sin(dlon/2) * math.sin(dlon/2)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    d = radius * c
    return d

# 读取CSV文件（假设文件名为locations.csv）
locations = []
with open('locations.csv', 'r', newline='') as file:
    reader = csv.DictReader(file)
    for row in reader:
        # 将经纬度从字符串转为浮点数，存储位置名称和坐标
        locations.append({
            'name': row['Location'],
            'coords': (float(row['Lat1']), float(row['Long1']))
        })

# 遍历所有两两组合并计算距离
for loc1, loc2 in combinations(locations, 2):
    distance = global_distance(loc1['coords'], loc2['coords'])
    print(f"({loc1['name']}, {loc2['name']}) 之间的距离：{distance:.2f} 公里")

方案2：使用pandas（更简洁，适合大数据量） #

如果已安装pandas，这个方案效率更高：

import math
import pandas as pd
from itertools import combinations

def global_distance(location1, location2):
    lat1, lon1 = location1
    lat2, lon2 = location2
    radius = 6371  # 地球半径，单位：公里
    dlat = math.radians(lat2 - lat1)
    dlon = math.radians(lon2 - lon1)
    a = math.sin(dlat/2) * math.sin(dlat/2) + math.cos(math.radians(lat1)) \
        * math.cos(math.radians(lat2)) * math.sin(dlon/2) * math.sin(dlon/2)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    d = radius * c
    return d

# 读取CSV数据
df = pd.read_csv('locations.csv')

# 生成包含名称和坐标的列表
location_pairs_source = list(zip(df['Location'], df['Lat1'], df['Long1']))

# 计算并输出所有两两距离
for (name1, lat1, lon1), (name2, lat2, lon2) in combinations(location_pairs_source, 2):
    distance = global_distance((lat1, lon1), (lat2, lon2))
    print(f"({name1}, {name2}) 之间的距离：{distance:.2f} 公里")

直接使用给定数据（无需CSV文件） #

如果不想创建文件，可直接构造数据列表：

# 直接使用你提供的三个位置数据
locations_data = [
    {'Location': 'A', 'Lat1': 55.322, 'Long1': -117.17},
    {'Location': 'B', 'Lat1': 57.316, 'Long1': -117.456},
    {'Location': 'C', 'Lat1': 54.275, 'Long1': -116.567}
]
locations = [{'name': item['Location'], 'coords': (item['Lat1'], item['Long1'])} for item in locations_data]

# 组合计算部分
for loc1, loc2 in combinations(locations, 2):
    distance = global_distance(loc1['coords'], loc2['coords'])
    print(f"({loc1['name']}, {loc2['name']}) 之间的距离：{distance:.2f} 公里")

关键说明 #

• itertools.combinations(locations, 2)：生成所有长度为2的不重复组合，正好对应你需要的(A,B)、(A,C)、(B,C)，避免冗余计算。
• 经纬度类型转换：CSV读取的经纬度默认是字符串，必须转为浮点数才能进行数学运算，否则会报错。
• 结果格式化：用:.2f保留两位小数，让输出更直观。

内容的提问来源于stack exchange，提问作者user_01