从一个点到Pandas数据框中行的欧几里得距离

Question

我有一个数据框

id    lat      long
1     12.654   15.50
2     14.364   25.51
3     17.636   32.53
5     12.334   25.84
9     32.224   15.74

我想要找出这些坐标点与列表L1中保存的特定位置之间的欧几里得距离。

L1 = [11.344,7.234]

我想在数据框中创建一个新列，其中包含距离。

id     lat     long    distance
1     12.654   15.50
2     14.364   25.51
3     17.636   32.53
5     12.334   25.84
9     32.224   15.74

我知道如何使用math.hypot()函数计算两个点之间的欧几里得距离：

dist = math.hypot(x2 - x1, y2 - y1)

我如何编写一个使用apply或迭代行来给出距离的函数。

- Shubham R

Answer 1

使用向量化方法

In [5463]: (df[['lat', 'long']] - np.array(L1)).pow(2).sum(1).pow(0.5)
Out[5463]:
0     8.369161
1    18.523838
2    26.066777
3    18.632320
4    22.546096
dtype: float64

也可以是哪个

In [5468]: df['distance'] = df[['lat', 'long']].sub(np.array(L1)).pow(2).sum(1).pow(0.5)

In [5469]: df
Out[5469]:
   id     lat   long   distance
0   1  12.654  15.50   8.369161
1   2  14.364  25.51  18.523838
2   3  17.636  32.53  26.066777
3   5  12.334  25.84  18.632320
4   9  32.224  15.74  22.546096

---

选项2 使用Numpy内置的np.linalg.norm向量范数。

In [5473]: np.linalg.norm(df[['lat', 'long']].sub(np.array(L1)), axis=1)
Out[5473]: array([  8.36916101,  18.52383805,  26.06677732,  18.63231966,   22.5460958 ])

In [5485]: df['distance'] = np.linalg.norm(df[['lat', 'long']].sub(np.array(L1)), axis=1)

- Zero

---

它们之间哪个更快？ - Rob Rose

非常感谢这个，非常有用。提醒未来可能会经过的任何人，纬度和经度不是相同的距离单位，在计算距离之前应该转换为投影。 - skrhee

Answer 2

将 [(x₂ - x₁)² + (y₂ - y₁)²]^1/2 转换为pandas向量化操作，您可以使用以下方法：

df['distance'] = (df.lat.sub(11.344).pow(2).add(df.long.sub(7.234).pow(2))).pow(.5)         
df

       lat   long   distance
id                          
1   12.654  15.50   8.369161
2   14.364  25.51  18.523838
3   17.636  32.53  26.066777
5   12.334  25.84  18.632320
9   32.224  15.74  22.546096

或者，使用算术运算符：

(((df.lat - 11.344) ** 2) + (df.long - 7.234) ** 2) ** .5

- cs95