如何在python上找到纬度和经度点的最近邻居？

输入：

point = (lat, long)
places = [(lat1, long1), (lat2, long2), ..., (latN, longN)]
count = L

输出：

邻居

=

位置的子集

靠近

点

。（

len（邻居）=L

）

问题： 我可以使用kd树快速查找具有纬度和经度的点的最近邻s吗？（例如，在scipy中实现）

是否需要将点的地理坐标（纬度和经度）转换为坐标x，y

---

这是解决这一问题的最佳方法吗？

我真的不知道使用kd树是否能正确工作，但我的直觉认为这是不准确的

我认为你需要使用更大的圆距离来获得精确的距离

从数学输入弧度、cos、sin、asin、sqrt、度、atan2
def验证点（p）：
lat，lon=p
assert-90我认为你在试图解决这个问题

由于您的数据集位于2D中，那么a将很好地工作，一般来说，我不知道Spicle

但是，如果您的点开始生活在更高的维度中，那么。
scikit learn
提供了一个支持Haversine度量的类。另请参见。
在何处找到此代码中使用的功能
验证点
？我假设它检查纬度和经度是否在-90和90之间？这个答案有点不完整，不能回答OP的问题。函数
distance\u haversine（）
计算以lat/lon为单位的两点之间的距离（以km为单位），但它没有回答如何使用此度量来查找最近邻的问题。@lumbric从技术上讲，您是正确的。我提供了如何计算距离的方法，因为问题的一部分是询问是否需要转换地理点。最终的答案是，如果使用距离哈弗森，你不需要转换它们。你只需找到到每一组点的距离，然后选择最小的。@MarcelWilson啊，是的，你是对的，你的答案可以很容易地用来计算所有成对距离，然后取最小值。这是可能的，但不是最佳的。对于较大的值（比如>10000个点），这将占用大量内存并花费大量时间。它需要O（n^2）时间和内存，而最佳解决方案应该是O（n*log（n）），例如使用某种索引，如k-树。因为OP问到了k-树，我猜想他对最优解感兴趣。@MarcelWilson啊，是的，当然。如果距离很大，相信欧几里德度量是有风险的。我认为应该可以找到使用哈弗森度量来解决O（n*log（n））中问题的算法。我不确定KDTree，但在sklearn中支持Haversine度量（我不确定是否存在任何陷阱）。数据不是以2D给出的，点是以lat/lon表示的，无法准确转换为2D坐标。人们可以用哈弗森公式计算点之间的距离，但它与2D中的点不同（我不知道kd树是否适用）。这是最好的答案。