批量经纬度距离计算优化
所需解决的问题是计算两张含经纬度的表的点之间距离，并找出距离某点的其他点。
原代码问题：
原代码处理时间过长，主要耗时代码为：
df41 = df4[(df4[‘longitude’]>df4_lon_min) & (df4[‘longitude’]<df4_lon_max) & (df4[‘latitude’]<df4_lat_max) & (df4[‘latitude’]>df4_lat_min)]
优化方案：
减少不必要的条件语句，采用矩阵求解代替循环计算，优化如下：
df41 = df4[(df4[‘longitude’]>df4_lon_min) & (df4[‘longitude’]<df4_lon_max)]df42 = df4[(df4[‘latitude’]<df4_lat_max) & (df4[‘latitude’]>df4_lat_min)]df41 = pd.concat([df41, df42], axis=0, ignore_index=true) # 如果需要保留行数据，避免重复，可改用 df41.append(df42)
或采用矩阵求解：
from scipy.spatial import distance_matrix…min_distance = 15tmp = distance_matrix(df1, df2) # 求出 df1、df2 的所有距离idx = np.where(tmp<min_distance) # 比对距离边界，获取原始数据索引
经过优化后，处理时间将大幅缩短，具体效果需根据数据量和具体应用而定。
以上就是如何优化批量经纬度距离计算，提升代码执行效率？的详细内容，更多请关注范的资源库其它相关文章！
转载请注明：范的资源库 » 如何优化批量经纬度距离计算_提升代码执行效率？
