python 笔记 haversine （两个经纬度坐标之间的距离）

最新推荐文章于 2025-01-23 15:36:46 发布

UQI-LIUWJ

最新推荐文章于 2025-01-23 15:36:46 发布

阅读量7.6k

点赞数 7

分类专栏： python库整理文章标签： python 开发语言后端

本文链接：https://blog.csdn.net/qq_40206371/article/details/121307505

版权

python库整理专栏收录该内容

334 篇文章

订阅专栏

该博客介绍了如何利用Python的haversine库计算地球上两点经纬度之间的距离，支持多种单位转换，如公里、英里等。同时，展示了inverse_haversine函数用于根据距离和方向计算新坐标，以及haversine_vector函数用于批量计算多个点之间的距离。这些功能在地理信息系统和导航应用中非常实用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 安装包

pip install haversine

2 haversine：计算两个点经纬度之间的距离

from haversine import haversine
lyon = (45.7597, 4.8422)
paris = (48.8567, 2.3508)

haversine(lyon, paris)
#392.2172595594006 默认是公里

haversine(lyon, paris, unit=Unit.MILES)
#单位设置为英里
#243.71250609539814

haversine(lyon, paris, unit='mi')
#243.71250609539814

3 Unit——支持的所有单位

from haversine import Unit

tuple(Unit)
'''
(<Unit.KILOMETERS: 'km'>,
 <Unit.METERS: 'm'>,
 <Unit.MILES: 'mi'>,
 <Unit.NAUTICAL_MILES: 'nmi'>,
 <Unit.FEET: 'ft'>,
 <Unit.INCHES: 'in'>,
 <Unit.RADIANS: 'rad'>,
 <Unit.DEGREES: 'deg'>)
'''

4 inverse haversine

从给定的向量(距离和方向)和起点计算点。

目前明确支持(北，东，南，西)和(东北，东南，西南，西北)方向。但也允许以弧度表示的角度。

from haversine import inverse_haversine, Direction
from math import pi
paris = (48.8567, 2.3508) # (lat, lon)

inverse_haversine(paris, 32, Direction.WEST)
#(48.85587279023947, 1.9134085092836945)

inverse_haversine(paris, 50, Direction.NORTH, unit=Unit.MILES)
#(49.58035791599536, 2.3508

inverse_haversine(paris, 32, pi * 1.25)
#(48.65279552300661, 2.0427666779658806)

5 haversine_vector

from haversine import haversine_vector, Unit

lyon = (45.7597, 4.8422) # (lat, lon)
paris = (48.8567, 2.3508)
new_york = (40.7033962, -74.2351462)

haversine_vector([lyon, lyon,lyon], [paris, new_york,lyon], Unit.KILOMETERS)
#array([ 392.21725956, 6163.43638211,    0.        ])
#分别是 lyon-paris,lyon-new_york,lyon-lyon的距离

5.1 comb=True

from haversine import haversine_vector, Unit

lyon = (45.7597, 4.8422) # (lat, lon)
london = (51.509865, -0.118092)
paris = (48.8567, 2.3508)
new_york = (40.7033962, -74.2351462)

haversine_vector([lyon, london], [paris, new_york], Unit.KILOMETERS, comb=True)
'''
array([[ 392.21725956,  343.37455271],
       [6163.43638211, 5586.48447423]])
'''