比较两个熊猫数据框之间的地理哈希

Question

我有 2 个数据框 df1 和 df2 具有不同的纬度和经度以及它们相应的地理哈希。现在对于 df1 中的每个 geohash，我想在数据帧 df2 中找到最接近的 geohash。我不确定是否有办法比较geohashes。例如，对于 df1 中的 id 121，df2 中最接近的 geohash 将是 9muc3rr，对于 df2 中 id 122，最接近的 geohash 将是 9wv97m1。

数据框 df1

Id    Latitude   Longitude  Geohash 
121   32.815130 -117.151695  9mudwju
122   37.920948 -108.005043  9wepwr3

数据框 df2

Id   Latitude    Longitude  Geohash

124  32.604187  -117.005745  9muc3rr
127  37.920948  -108.005043  9wv97m1
135  39.70122   -104.876976  9xj3v7q
128  38.844032  -104.718307  9wvscp6

Answer 1

如果您可以稍微重新发明轮子，您可以将 (lat, lon) 对转换为笛卡尔单位向量，然后使用点积进行比较。由于点积基本上是衡量一个向量在另一个向量上的投影，因此最接近 1（最大值）的乘积将是两个向量之间的最佳匹配。

下面的示例计算基于this answer。我将假设您在 WGS84 椭球上提供大地坐标（因为 GPS 使用的是），并且椭球上方的高度对于所有点都为零：

from math import radians, sin, cos
import numpy as np

# WGS 84 parameters. Any other ellipsoid can be plugged in by changing
# the following lines. All parameters are taken from Wikipedia at
# https://en.wikipedia.org/wiki/Geodetic_datum#Parameters_for_some_geodetic_systems
invFlat = 298.257222101  # Inverse flattening (1/f), unitless
# Derived parameters
e2 = 6694.37999014  # First eccentricity squared. Unitless. Can be computed from 2*f − f**2

# Note that the radius is irrelevant since we are going to
# normalize the result anyway.

def cartesianUnitVector(lat, lon, isdeg=True):
    if isdeg:
        lat, lon = radians(lat), radians(lon)
    vec = np.array([
        cos(lat) * cos(lon),
        cos(lat) * sin(lon),
        (1 - e2) * sin(lat)
    ])
    norm = np.linalg.norm(vec)
    return vec / norm

target = (32.815130, -117.151695)
candidates = [
    (32.604187,  -117.005745),
    (37.920948,  -108.005043),
    (39.70122,   -104.876976),
    (38.844032,  -104.718307)
]

max(candidates, key=lambda x: np.dot(cartesianUnitVector(*x), cartesianUnitVector(*target)))

可以在Wikipedia 上找到大地测量到 ECEF 的公式。该示例显示了如何对可迭代的经纬度对进行操作。我不完全确定如何使其适应熊猫，但您的问题是关于如何进行比较，我想我已经为此提供了答案。我敢肯定，一旦你定义了转换函数和使用它的比较键，你就可以毫无困难地将它应用到 pandas。