通过纬度和经度计算给定半径内的点数

Question

我有一个包含 id 名称和纬度/经度的点数据框：

df = pd.DataFrame({'id':list('abcde'),'latitude': [38.470628, 37.994155, 38.66937, 34.119578, 36.292307],'longitude': [-121.404586, -121.802341, -121.295325, -117.413791, -119.804074]})  #sample

对于每个 id，我需要计算位于 2 英里半径范围内的（同一数据集的）点的数量。

问题：如何在Python中以最简单的方式做到这一点？

Answer 1

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

示例数据

df = pd.DataFrame({'id':list('abcde'),'latitude': [38.470628, 37.994155, 38.66937, 34.119578, 36.292307],'longitude': [-121.404586, -121.802341, -121.295325, -117.413791, -119.804074]})  #sample

提取纬度、经度并转换为弧度。转换为单位球体后计算所需的半径。

coords = df[["latitude","longitude"]]

distance_in_miles = 50
earth_radius_in_miles = 3958.8

radius = distance_in_miles / earth_radius_in_miles

tree = BallTree( np.radians(coords), leaf_size=10, metric='haversine')

tree.query_radius( np.radians(coords), r=radius, count_only=True)

则给出 array([3, 2, 2, 1, 1])

---

如果你想返回 indici 并将它们用于聚合， 一种方法是

df = pd.DataFrame({'id':list('abcde'),'latitude': [38.470628, 37.994155, 38.66937, 34.119578, 36.292307],'longitude': [-121.404586, -121.802341, -121.295325, -117.413791, -119.804074], 'saleprice_usd_per_sqf': [200, 300, 700, 350, 50]})

coords = df[["latitude","longitude"]]

distance_in_miles = 50
earth_radius_in_miles = 3958.8

radius = distance_in_miles / earth_radius_in_miles

注意我们在这里使用 indici 而不仅仅是计数；

tree = BallTree( np.radians(coords), leaf_size=10, metric='haversine')
indici = tree.query_radius( np.radians(coords), r=radius, count_only=False)

并使用列表理解来获取每个半径的中值。请注意，点本身始终包含在其自身的半径内。

[np.median(df.saleprice_usd_per_sqf.values[idx]) for idx in indici]

Answer 2

这个问题有点模棱两可。您需要的第一个组件是计算两个坐标之间的距离的函数，这需要一些三角学，并且在 以下问题。

获得该函数后，只需循环所有点并进行计算即可。可能有比两个嵌套循环更有效的方法，但这是最简单的。