Python 寻找坐标间距离的快速方法
我有一个地方列表,我需要找出每个地方之间的距离。有人能建议一种更快的方法吗?大约有10k个独特的位置,我使用的方法创建了一个Python 寻找坐标间距离的快速方法,python,pandas,haversine,Python,Pandas,Haversine,我有一个地方列表,我需要找出每个地方之间的距离。有人能建议一种更快的方法吗?大约有10k个独特的位置,我使用的方法创建了一个10kx10k矩阵,我的内存已经用完了。我使用的是15GB内存 test_df Latitude Longitude site 0 32.3 -94.1 1 1 35.2 -93.1 2 2 33.1 -83.4 3 3 33.2 -94.5 4 test_df =
10kx10k
矩阵,我的内存已经用完了。我使用的是15GB内存
test_df
Latitude Longitude site
0 32.3 -94.1 1
1 35.2 -93.1 2
2 33.1 -83.4 3
3 33.2 -94.5 4
test_df = test_df[['site', 'Longitude', 'Latitude']]
test_df['coord'] = list(zip(test_df['Longitude'], test_df['Latitude']))
from haversine import haversine
for _,row in test_df.iterrows():
test_df[row.coord]=round(test_df['coord'].apply(lambda x:haversine(row.coord,x, unit='mi')),2)
df = test_df.rename(columns=dict(zip(test_df['coord'], test_df['Facility'])))
df.drop('coord', axis=1, inplace=True)
new_df = pd.melt(df, id_vars='Facility', value_vars=df.columns[1:])
new_df.rename(columns={'variable':'Place', 'value':'dist_in_mi'}, inplace=True)
new_df
site Place dist_in_mi
0 1 1 0.00
1 2 1 70.21
2 3 1 739.28
3 4 1 28.03
4 1 2 70.21
5 2 2 0.00
6 3 2 670.11
7 4 2 97.15
8 1 3 739.28
9 2 3 670.11
10 3 3 0.00
11 4 3 766.94
12 1 4 28.03
13 2 4 97.15
14 3 4 766.94
15 4 4 0.00
如果要解决内存问题,需要使用占用较少内存的数据类型。 在这种情况下,由于地球上两点之间的最大距离小于
20005Km
,因此您可以使用uint16
存储该值(如果1Km的分辨率足够)
由于没有任何数据可供使用,因此我使用以下代码生成了一些数据:
import random
import numpy as np
from haversine import haversine
def getNFacilities(n):
""" returns n random pairs of coordinates in the range [-90, +90]"""
for i in range(n):
yield random.random()*180 - 90, random.random()*180 - 90
facilities = list(getNFacilities(10000))
然后我用两种不同的方法解决了内存问题:
1-通过将距离数据存储在uint16
数字中
def calculateDistance(start, end):
mirror = start is end # if the matrix is mirrored the values are calculated just one time instead of two
out = np.zeros((len(start), len(end)), dtype = np.uint16) # might be better to use empty?
for i, coords1 in enumerate(start[mirror:], mirror):
for j, coords2 in enumerate(end[:mirror and i or None]):
out[i, j] = int(haversine(coords1, coords2))
return out
计算距离后,阵列使用的内存约为200MB:
In [133]: l = calculateDistance(facilities, facilities)
In [134]: sys.getsizeof(l)
Out[134]: 200000112
2-或者,您也可以使用发电机:
def calculateDistance(start, end):
mirror = start is end # if the matrix is mirrored the values are calculated just one time
for i, coords1 in enumerate(start[mirror:], mirror):
for j, coords2 in enumerate(end[:mirror and i or None]):
yield [i, j, haversine(coords1, coords2)]
我们是否可以将数据帧复制为可复制的形式(例如,托管在github上)?您要求一个更快的方法,但随后您说问题是内存不足。您是对的,我需要一个更快的方法,因为我使用它的方式没有优化-我尝试了一个虚拟集,我在这里共享了这个虚拟集,这是一种更快的方法,我建议使用多处理,不计算同一地点的距离2次使用生成器方法,当我使用for..循环读取数据帧时,它再次耗尽内存,有什么建议吗?生成器非常适合“动态”计算,例如,查找设施之间的平均距离,但如果您需要将值存储在ram中,则第一种方法可能更好,或者您可以在此处检查一些用于处理大型数据集的方法: