Python 如何计算数据帧中两点之间的距离（以米为单位）？

我有一个数据框架，其中，下标为1的列是起点，下标为2的列是终点。 我想找出它们之间以公里为单位的差异。 我试着跟随，但还是出错了

import mpu
import pandas as pd
import numpy as np

data = {'lat1': [39.92123,  39.93883,  39.93883,  39.91034,  39.91248],
        'lon1': [116.51172, 116.51135, 116.51135, 116.51627, 116.47186],
        'lat2': [np.nan,    39.92123,  39.93883,  39.93883,  39.91034],
        'lon2': [np.nan,   116.51172, 116.51135, 116.51135, 116.51627  ]}  
  
# Create DataFrame  
df = pd.DataFrame(data)  


df['distance'] = mpu.haversine_distance((df.lat1, df.lon1), (df.lat2, df.lon2))

ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

尝试将

.apply（）

与lambda函数一起使用，以便可以将坐标作为标量值传递，而不是现在将4个系列传递给函数：

df['distance'] = df.apply(lambda x: mpu.haversine_distance((x.lat1, x.lon1), (x.lat2, x.lon2)), axis=1)

您还可以使用

list（map（…）

来加快执行速度，如下所示：

df['distance'] = list(map(mpu.haversine_distance, zip(df.lat1, df.lon1), zip(df.lat2, df.lon2)))

---

你不打算告诉我们错误是什么？@takendarkk抱歉，我加了一个错误：传递级数而不是标量值的结果。你使用的方法只对一对坐标有效。如果你想将其矢量化，那么可能是一个更好的选择。谢谢。但是apply函数会做得很慢，因为我有1mln。排。还有其他更快的选择吗？@JohnMayer好的，你可以使用

list（map（…）

。让我给你看看。谢谢。我还发现矢量化可以解决这个问题。代码看起来像

np.vectorize（mpu.haversine_distance）（（df.lat1，df.lon1），（df.lat2，df.lon2））

。或者在本例中无法应用矢量化？@JohnMayer并没有真正做矢量化的事情。您可以看到文档中说“提供矢量化功能主要是为了方便，而不是为了性能。实现基本上是一个for循环。”因此，它无法对循环进行改进。我也尝试了使用

列表（map（…）

）的选项，但是得到和错误

值错误：太多的值无法解包（预期为2）

，以及

数据。应用（lambda x:mpu.haversine_距离（（x.lat1，x.lon1），（x.lat2，x.lon2），axis=1））

（我添加了一个括号）有错误“%Series”对象没有属性“lat1”`