python - 到同一 DF 中最近点的距离

Question

我有一个带有对象 ID、纬度和经度的 df。我想创建两个新列:到最近点的距离和最近点的对象 ID。

df[['OBJECT_ID','Lat','Long']].head()

    OBJECT_ID   Lat Long
0   33007002190000.0    47.326963   -103.079835
1   33007007900000.0    47.259770   -103.040797
2   33007008830000.0    47.296953   -103.099424
3   33007012130000.0    47.256700   -103.597082
4   33007013320000.0    46.996013   -103.452384

如何在 Python 中使用任何库来完成此操作？另外，如果有帮助的话，我的 DF 包含几千行。

Answer 1

您可以使用scipy's KDTree为了它。它非常适合空间距离查询。

使用示例数据，您可以执行类似的操作

import scipy

coordinates = df[["Lat", "Long"]]
# build kdtree
kdtree = scipy.spatial.cKDTree(coordinates)
# query the same tree with the same coordinates. NOTICE the k=2
distances, indexes = kdtree.query(coordinates, k=2)

# assign it to a new dataframe (NOTICE the index of 1)
new_df = df.assign(ClosestID=df["OBJECT_ID"][indexes[:,1]].array)
new_df = new_df.assign(ClosestDist=distances[:,1])

结果

>> new_df

OBJECT_ID   Lat Long    ClosestID   ClosestDist
0   33007002190000.0    47.326963   -103.079835 33007008830000.0    0.035838
1   33007007900000.0    47.259770   -103.040797 33007008830000.0    0.069424
2   33007008830000.0    47.296953   -103.099424 33007002190000.0    0.035838
3   33007012130000.0    47.256700   -103.597082 33007013320000.0    0.298153
4   33007013320000.0    46.996013   -103.452384 33007012130000.0    0.298153

使用k=2的原因是因为最近距离(使用相同坐标查询时)始终是同一点。即:

>> kdtree.query(coordinates, k=2)

# this is distance
(array([[0.        , 0.03583754],
        [0.        , 0.06942406],
        [0.        , 0.03583754],
        [0.        , 0.29815302],
        [0.        , 0.29815302]]), 
#        ^           ^
#        |           |
#     closest     second-closest

# this is indexes
 array([[0, 2],
        [1, 2],
        [2, 0],
        [3, 4],
        [4, 3]]))

距离每个点最近的点就是它自己。因此，我们忽略第一个元素，并使用index=1来检索第二个最近点(即除自身之外的最近点)。