前些天由于工作中需求，要计算经纬度之间的距离，当我去网上搜索距离计算的方法时，发现很多文章中的方法乍一看都是很不同的，同是进行距离计算，为啥这么不一样呢？后来才发现问题在于很多文章没有进行相关的原理说明，直接上了一段代码，让人看了云里雾里的。

其实经纬度属于球面坐标，而我们常规的距离是在平面维度上的，因此，在进行距离计算之前，首先需将球面坐标转换为平面坐标，这样之后才能进行平面距离的测算，计算出来的距离单位就是米了，符合我们的常规认知。(我之前查到的一些方法中，有些是直接调包，有些是十进制和弧度互相做转换，初次接触时可能不是那么好理解背后原理)

以下是亲身实践后，总结的一些可行的计算方法。

一、这种方法按照以上原理，一步一步进行。即先做坐标转换，再进行平面距离计算。

1、这里的坐标转换，可以使用pyproj包中的Transformer功能，以下是代码：

def axis_conversion(data,lat,lon):

#注意lat 在前，lon在后，不能写反

lon = data[lon].values

lat = data[lat].values

transformer = Transformer.from_crs("epsg:4326", "epsg:3857")

#这里将epsg4326转换为epsg3857

#关于坐标系的知识可以参考这个网址：https://www.cnblogs.com/E7868A/p/11460865.html

x3, y3 = transformer.transform(lat, lon)

return (x3,y3)

2、坐标转换完成后，套用欧氏距离计算公式，来进行距离的测算。

二、直接使用python中现有包的功能(推荐)。

这里的包指的是scipy，scipy是一个高级的科学计算库，常见的是插值运算、优化算法、图像处理和数学统计等。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。

这里使用到的是scipy.spatial子模块，具体使用方式如下：

from scipy.spatial.distance import cdist

lonlat1=data_lonlat_1[['lat_1','lon_1']]

lonlat2=data_lonlat_2[['lat_2','lon_2']]

distance=cdist(lonlat1,lonlat2,metric='euclidean')

不得不说，方法二真的很强大了！对比方法一会高效很多，当数据量大的时候尤其明显，更推荐哈(两种方法的结果是一致的)。

三、其他

在资料搜索过程中，也有看到另外两种方法，我目前没有真正使用，但是测试过，与上面两种方法得出的结果，会稍有偏差，感兴趣的可以研究下。

from geopy.distance import geodesic

print(geodesic((lat1,lon1), (lat2,lon2)).m)

from math import radians, cos, sin, asin, sqrt

def distance_between_points(lat1, lon1, lat2, lon2):

"""

Calculate the great circle distance between two points

on the earth (specified in decimal degrees)

"""

# 将十进制度数转化为弧度

lon1, lat1, lon2, lat2 = map(radians, [float(lon1), float(lat1), float(lon2), float(lat2)])

# haversine 公式

dlon = lon2 - lon1

dlat = lat2 - lat1

a = sin(dlat / 2) ** 2 + cos(lat1) * cos(lat2) * sin(dlon / 2) ** 2

c = 2 * asin(sqrt(a))

r = 6371 # 地球平均半径，单位为公里

return c * r * 1000

如果这篇文章对你有帮助，请帮忙点点赞哦~