提问人：user2100039 提问时间：9/15/2023 最后编辑：user2100039 更新时间：9/15/2023 访问量：36
在 Pandas 中按纬度、纬度和迭代数查找最接近的行
Find Closest Rows by Lat, Lon and Iterations in Pandas
问：
在比较了两个 DataFrame - DF1、DF2 后，我正在尝试开发一个新的 DataFrame （DF3）。我的 df1 看起来像这样：
num step latitude longitude time height valid_time windspeed
0 1 0 days 46.0 -122.0 2023-08-23 10.0 2023-08-23 1.2482048
1 1 0 days 45.5 -121.5 2023-08-23 10.0 2023-08-23 0.34045473
2 1 0 days 45.0 -121.0 2023-08-23 10.0 2023-08-23 0.63618374
3 2 0 days 46.0 -122.0 2023-08-23 10.0 2023-08-23 0.79829866
4 2 0 days 45.5 -121.5 2023-08-23 10.0 2023-08-23 0.7331676
5 2 0 days 45.0 -121.0 2023-08-23 10.0 2023-08-23 1.3981003
6 3 0 days 46.0 -122.0 2023-08-23 10.0 2023-08-23 1.0158184
7 3 0 days 45.5 -121.5 2023-08-23 10.0 2023-08-23 1.1108123
8 3 0 days 45.0 -121.0 2023-08-23 10.0 2023-08-23 3.4528110
我的匹配或引用数据帧 - df2 如下所示：
site latitude longitude
0 Stevenson 45.69 -121.89
1 Rainier 45.00 -115.00
我正在尝试开发一个 pyhton 脚本，以根据 df1 中的每组“纬度”和“经度”以及每个“num”和“valid_time”过滤 df2。因此，“df3”应如下所示：
我尝试了很多东西。这是最新的错误：
from scipy.spatial.distance import cdist
df1 = pf_new
df2 = df_sites
# Function to calculate Haversine distance between two sets of coordinates
def haversine(lat1, lon1, lat2, lon2):
lat1, lon1, lat2, lon2 = map(np.radians, [lat1, lon1, lat2, lon2])
dlat = lat2 - lat1
dlon = lon2 - lon1
a = np.sin(dlat / 2) ** 2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon / 2) ** 2
c = 2 * np.arcsin(np.sqrt(a))
r = 6371 # Radius of Earth in kilometers
return c * r
distances = cdist(df1[['latitude','longitude']],df2[['latitude','longitude']],haversine)
closest_row_indices = np.argmin(distances, axis=0)
df3 = df1.iloc[closest_row_indices].reset_index(drop=True)
print(df3)
并且，下面的错误。感谢您对如何进行的任何想法！
Traceback (most recent call last):
Cell In[22], line 16
distances = cdist(df1[['latitude','longitude']],df2[['latitude','longitude']],haversine)
File ~\Anaconda3\envs\Stats\lib\site-packages\scipy\spatial\distance.py:2933 in cdist
return _cdist_callable(XA, XB, metric=metric, out=out, **kwargs)
File ~\Anaconda3\envs\Stats\lib\site-packages\scipy\spatial\distance.py:2604 in _cdist_callable
dm[i, j] = metric(XA[i], XB[j], **kwargs)
TypeError: haversine() missing 2 required positional arguments: 'lat2' and 'lon2'
答：
0赞
Corralien
9/15/2023
#1
错误非常清楚：
TypeError: haversine() missing 2 required positional arguments: 'lat2' and 'lon2'
lat2并且在调用函数时未设置，因此参数数量不足。这是因为包含 的纬度/经度值和 的值。lon2cdisthaversinelat1df1lat2df2
使用下面的代码来修复它：
def haversine(coord1, coord2):
(lat1, lon1), (lat2, lon2) = coord1, coord2
# the rest of your code
distances = ...
closest_row_indices = np.argmin(distances, axis=1) # modify the axis here
# Get site name by position (and not label): iloc vs loc
df1['site'] = df2.iloc[closest_row_indices, df2.columns.get_loc('site')].values
输出：
>>> df1
num step latitude longitude time height valid_time windspeed site
0 1 0 days 46.0 -122.0 2023-08-23 10.0 2023-08-23 1.248205 Stevenson
1 1 0 days 45.5 -121.5 2023-08-23 10.0 2023-08-23 0.340455 Stevenson
2 1 0 days 45.0 -121.0 2023-08-23 10.0 2023-08-23 0.636184 Stevenson
3 2 0 days 46.0 -122.0 2023-08-23 10.0 2023-08-23 0.798299 Stevenson
4 2 0 days 45.5 -121.5 2023-08-23 10.0 2023-08-23 0.733168 Stevenson
5 2 0 days 45.0 -121.0 2023-08-23 10.0 2023-08-23 1.398100 Stevenson
6 3 0 days 46.0 -122.0 2023-08-23 10.0 2023-08-23 1.015818 Stevenson
7 3 0 days 45.5 -121.5 2023-08-23 10.0 2023-08-23 1.110812 Stevenson
8 3 0 days 45.0 -121.0 2023-08-23 10.0 2023-08-23 3.452811 Stevenson
详：
>>> distances
array([[ 35.50785241, 556.58217101],
[ 36.97464075, 511.72360862],
[103.55808238, 471.6522885 ],
[ 35.50785241, 556.58217101],
[ 36.97464075, 511.72360862],
[103.55808238, 471.6522885 ],
[ 35.50785241, 556.58217101],
[ 36.97464075, 511.72360862],
[103.55808238, 471.6522885 ]])
顺便说一句，使用半正弦距离可以考虑地球的曲率，但在计算长距离时很有价值。如果使用欧几里得距离（默认值为 ），则漂移为每公里 8 厘米，因此对于 35 公里，您的误差小于 3 米（2.88 米）。除非您的网站真的关闭了，否则我认为使用半正弦距离（恕我直言）不是很有用。cdist
最重要的一点是，有一种更有效的方法来找到最近的站点。您可以使用空间分区。我已经回答了这种问题：
使用 BallTree （scikit-learn）：
使用 KDTree （scipy）：
上一个：Vespa中的喂养文件
评论