支持大圆距离和多边形的快速python GIS库

我正在寻找python的地理库。 我需要能够做到以下几点：

使用（非直线距离计算）获得两点之间的距离（以米为单位）

检查点是否位于多边形内

每秒执行1次和2次数千次

一开始，我看了这篇文章：并开始使用。 我遇到了两个问题：

Geopy不支持多边形

geoPy的高CPU使用率（计算一个点和相对5000个点之间的距离需要大约140ms的CPU）

我一直在寻找，找到了。这看起来很有希望，因为geos使用的是符合要求的C代码，该代码应该更快，并且能够支持多边形。 问题在于geos/OGR执行的是线性距离计算，而不是球体。这消除了所有其他基于geos的模块（如GEODjango和shapely）。

---

我是不是遗漏了什么？我不认为我是第一个使用python执行GIS计算并希望得到准确结果的人。

更新

现在继续完成该库中的其他576个函数，不包括已完成的两个多边形函数、已完成的三个球体距离算法和两个新算法，即angle_box_2d和angle_contains_ray_2d。另外，我切换到C版本，这样就不需要外部程序，简化了工作。把旧的C++版本放在目录OLDYC++中，所以它仍然存在。 经测试的性能与答案底部列出的相同

---

更新2

所以只是一个快速更新，我还没有完成整个库（我只完成了15%），但我已经添加了这些未经测试的函数，以备您需要，在github上，添加到多边形和球体距离算法中的旧点

angle_box_2d
angle_contains_ray_2d
angle_deg_2d
angle_half_2d # MLM: double *
angle_rad_2d
angle_rad_3d
angle_rad_nd
angle_turn_2d
anglei_deg_2d
anglei_rad_2d
annulus_area_2d
annulus_sector_area_2d
annulus_sector_centroid_2d # MLM: double *
ball_unit_sample_2d # MLM: double *
ball_unit_sample_3d # MLM: double *
ball_unit_sample_nd # MLM; double *
basis_map_3d #double *
box_01_contains_point_2d
box_01_contains_point_nd
box_contains_point_2d
box_contains_point_nd
box_ray_int_2d
box_segment_clip_2d
circle_arc_point_near_2d
circle_area_2d
circle_dia2imp_2d
circle_exp_contains_point_2d
circle_exp2imp_2d
circle_imp_contains_point_2d
circle_imp_line_par_int_2d
circle_imp_point_dist_2d
circle_imp_point_dist_signed_2d
circle_imp_point_near_2d
circle_imp_points_2d # MlM: double *
circle_imp_points_3d # MLM: double *
circle_imp_points_arc_2d
circle_imp_print_2d
circle_imp_print_3d
circle_imp2exp_2d
circle_llr2imp_2d # MLM: double *
circle_lune_area_2d
circle_lune_centroid_2d # MLM; double *
circle_pppr2imp_3d

我上面提到的那些可能不起作用，其他的可能起作用，但再一次——多边形和球体距离肯定起作用。你可以指定米，公里，英里，海里，这与球面距离无关，输出的单位和输入的单位是一样的，算法对单位是不可知的

---

我今天早上把它放在一起，所以它目前只提供多边形中的点，凸多边形中的点，以及三种不同类型的球面距离算法，但至少您要求的那些算法现在已经在那里供您使用了。我不知道是否与任何其他python库存在名称冲突，这些天我只在外围参与python，所以如果有更好的名称，我愿意接受建议

在github上：

它只是此处描述和实现的函数的python桥：

几何体库实际上相当不错，所以我认为它将有助于为python桥接所有这些函数，今晚我可能会这样做

编辑：一些其他内容

因为数学函数实际上是编译C++，所以当然需要确保共享库在路径中。您可以修改geometry.py，使其指向要放置该共享库的任何位置

仅针对linux编译，.o和.so是在x86_64 fedora上编译的

球面距离算法需要弧度，因此需要将十进制lat/lon度转换为弧度，如geometry.py所示

如果您在Windows上确实需要此功能，请告诉我，在Visual Studio中只需几分钟即可完成。但除非有人问我，我可能现在就不谈了

希望这有帮助

Rgds…胡恩托/马特

（新提交：SHA:4FA2DBBBE849C09252C7BD931EDFE8DB478DE28E6-修复了一些问题，如弧度转换和py函数的返回类型。还添加了一些基本性能测试，以确保库正确执行。）

测试结果 在每次迭代中，一次调用sphere\u distance1，一次调用polygon\u包含\u point\u 2d，因此有2次调用库总计

• ~0.062s:2000次迭代，4000次调用
• ~0.603s:20000次迭代，40000次调用
• ~0.905s:30000次迭代，60000次呼叫
• ~1.198s:40000次迭代，80000次调用

---

如果球面计算足够，我就用numpy表示距离，用matplotlib表示多边形检查（正如您在stackoverflow中找到的类似建议）

从数学导入asin、cos、弧度、sin、sqrt
将numpy作为np导入
定义大圆距离（pnt1、pnt2、半径）：
“”“返回球体上点之间的距离（纬度、经度），单位为度。”“”
lat1=弧度（pnt1[0]）
lat2=弧度（pnt2[0]）
dLat=lat2-lat1
dLon=弧度（pnt2[1]）-弧度（pnt1[1]）
a=sin（dLat/2.0）**2+cos（lat1）*cos（lat2）*sin（dLon/2.0）**2
返回2*asin（最小（1，sqrt（a）））*半径
定义大圆距离（pnt1、l、pnt2、半径）：
“”“类似于大圆距离（），但处理pnt2列表并返回最小值。”“”
dLat=np.弧度（l_pnt2[：，0]）-弧度（pnt1[0]）#从（纬度，经度）点列表中切片纬度
dLon=np.弧度（l_pnt2[：，1]）-弧度（pnt1[1]）
a=np.square（np.sin（dLat/2.0））+np.cos（弧度（pnt1[0]）*np.cos（np.radians（l_pnt2[：，0]））*np.square（np.sin（dLon/2.0））
返回np.min（2*np.arcin（np.minimum）（np.sqrt（a），len（a）））*半径
def aux_generatelalon（）：
随机输入
而1：
收益率（90.0-180.0*random.random（），180.0-360.0*random.random（））
如果名称=“\uuuuu main\uuuuuuuu”：
## 1. 大圆距离
地球半径=6371000.785同体积球体
nPoints=1000
nRep=100#仅用于测量时间
#生成要检查的点和点列表
pnt1=下一个（辅助生成）
l_pnt2=np.数组（[next（aux_generatelalon（））表示范围（n）中的i
from math import asin, cos, radians, sin, sqrt
import numpy as np

def great_circle_distance_py(pnt1, pnt2, radius):
    """ Returns distance on sphere between points given as (latitude, longitude) in degrees. """
    lat1 = radians(pnt1[0])
    lat2 = radians(pnt2[0])
    dLat = lat2 - lat1
    dLon = radians(pnt2[1]) - radians(pnt1[1])
    a = sin(dLat / 2.0) ** 2 + cos(lat1) * cos(lat2) * sin(dLon / 2.0) ** 2
    return 2 * asin(min(1, sqrt(a))) * radius

def great_circle_distance_numpy(pnt1, l_pnt2, radius):
    """ Similar to great_circle_distance_py(), but working on list of pnt2 and returning minimum. """
    dLat = np.radians(l_pnt2[:, 0]) - radians(pnt1[0])   # slice latitude from list of (lat, lon) points
    dLon = np.radians(l_pnt2[:, 1]) - radians(pnt1[1])
    a = np.square(np.sin(dLat / 2.0)) + np.cos(radians(pnt1[0])) * np.cos(np.radians(l_pnt2[:, 0])) * np.square(np.sin(dLon / 2.0))
    return np.min(2 * np.arcsin(np.minimum(np.sqrt(a), len(a)))) * radius

def aux_generateLatLon():
    import random
    while 1:
        yield (90.0 - 180.0 * random.random(), 180.0 - 360.0 * random.random())

if __name__ == "__main__":
    ## 1. Great-circle distance
    earth_radius_m = 6371000.785   # sphere of same volume
    nPoints = 1000
    nRep    = 100   # just to measure time

    # generate a point and a list of to check against
    pnt1 = next(aux_generateLatLon())
    l_pnt2 = np.array([next(aux_generateLatLon()) for i in range(nPoints)])

    dMin1 = min([great_circle_distance_py(pnt1, pnt2, earth_radius_m) for pnt2 in l_pnt2])
    dMin2 = great_circle_distance_numpy(pnt1, l_pnt2, earth_radius_m)

    # check performance
    import timeit
    print "random points: %7i" % nPoints
    print "repetitions  : %7i" % nRep
    print "function 1   : %14.6f s" % (timeit.timeit('min([great_circle_distance_py(pnt1, pnt2, earth_radius_m) for pnt2 in l_pnt2])', 'from __main__ import great_circle_distance_py   , pnt1, l_pnt2, earth_radius_m', number=nRep))
    print "function 2   : %14.6f s" % (timeit.timeit('great_circle_distance_numpy(pnt1, l_pnt2, earth_radius_m)'                     , 'from __main__ import great_circle_distance_numpy, pnt1, l_pnt2, earth_radius_m', number=nRep))

    # tell distance
    assert(abs(dMin1 - dMin2) < 0.0001)
    print
    print "min. distance: %14.6f m" % dMin1

    ## 2. Inside polygon?
    # Note, not handled:
    #   - the "pathological case" mentioned on http://paulbourke.net/geometry/polygonmesh/
    #   - special situations on a sphere: polygons covering "180 degrees longitude edge" or the Poles
    from matplotlib.path import Path
    x = y = 1.0
    l_pnt2 = [(-x, -y), (x, -y), (x, y), (-x, y), (-x, -y)]
    path = Path(l_pnt2)
    print "isInside ?"
    for pnt in [(0.9, -1.9), (0.9, -0.9)]:
        print "   ", pnt, bool(path.contains_point(pnt))