python库geopy计算多组经纬度距离的实现方式
更新时间：2023年08月16日 10:06:32 作者：凡人叶枫
这篇文章主要介绍了python库geopy计算多组经纬度距离的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
python库geopy计算多组经纬度距离
日常工作中有时会用到需要计算gnss定位模组的定位精确度，需要将被测设备和真值设备进行经纬度坐标之间的对比，由于经纬度坐标想要计算差值，需要涉及到坐标系的转换，计算方法比较复杂，geopy库很好的解决了这个问题，集成了大量的方法，可以做很多地理坐标相关的事情，其中就有计算两个坐标点之间距离的方法。
下面是我写的计算一系列坐标点之间的距离的python脚本，可以给大家提供参考。整理出两个设备输出的gps的utc时间以及经纬度，按照下面格式写到txt文本中，脚本读取txt文本，进行整秒的经纬度进行比较，输出某一时间点的定位误差，单位为m。
locationA.txt
1641541189000 38.018449 119.205511 1641541190000 38.018492 119.205554 1641541191000 38.018551 119.205591 1641541192000 38.018589 119.205625 1641541193000 38.018629 119.205657 1641541194000 38.018660 119.205693
locationB.txt
1641541189000 33.018449 119.205511 1641541190000 33.018492 114.205554 1641541191000 38.018551 116.205591 1641541192000 38.018589 116.205625 1641541193000 38.018629 119.205657 1641541194000 38.018660 119.205693
diff.txt
1641541189000 1.0 1641541190000 2.0 1641541191000 3.0 1641541192000 3.0 1641541193000 4.0 1641541194000 1.0
postion.py
# -*- coding:utf-8 -*-
#!/usr/bin/python3
from geopy.distance import distance
import time
dictpostionA = {}
dictpostionB = {}
dictdiff = {}
#转换时间戳 dt为字符串
def datetime_timestamp(dt):
#中间过程，一般都需要将字符串转化为时间数组
time.strptime(dt, '%Y/%m/%d %H:%M:%S')
s = time.mktime(time.strptime(dt, '%Y/%m/%d %H:%M:%S'))
return int(s)
def saveATempData(filename):
with open(filename, "w") as f:
for time, pos in dictpostionA.items():
data = str(time) + "\t" + pos[0] + "\t" + pos[1] + "\n"
#print(data)
f.write(data)
#读取excel数据转成txt
def readAData(filename):
with open(filename, "r") as f:
for line in f.readlines():
line = line.strip('\n')
#print(line)
poslist = line.split()
#print(poslist[0])
#print(poslist[1])
#print(poslist[2])
#print(poslist[3])
#print(poslist[4])
#print(poslist[5])
dt = poslist[0]+' '+poslist[1]+':'+poslist[2]+':'+poslist[3]
#print(dt)
index = datetime_timestamp(dt) * 1000
#print(index)
sublist = poslist[4:6]
#print(sublist)
dictpostionA[index] = tuple(sublist)
def readBData(filename):
with open(filename, "r") as f:
for line in f.readlines():
line = line.strip('\n')
#print(line)
poslist = line.split()
#print(poslist[0])
#print(poslist[1])
#print(poslist[2])
sublist = poslist[1:3]
#print(sublist)
index = int(poslist[0])
dictpostionB[index] = tuple(sublist)
def processData():
for timeA, posA in dictpostionA.items():
for timeB, posB in dictpostionB.items():
#print(timeA, timeB)
if timeA == timeB:
d = distance(posA, posB).m # m是单位
print(timeA, d)
dictdiff[timeA] = d
continue
def saveDiffData(filename):
with open(filename, "w") as f:
for time, diff in dictdiff.items():
data = str(time) + "\t" + str(diff) + "\n"
#print(data)
f.write(data)
#读取数据
readAData("locationA.txt")
saveATempData("locationA_temp.txt")
readBData("locationB.txt")
#处理数据
processData()
#保存数据
saveDiffData("diff.txt")python库Geopy用法，经纬度坐标转换、经纬度距离计算
Geopy库介绍
这里介绍一个Python 包 Geopy ，借助它也可以实现经纬度地理位置转换，
这款包之经纬度转换原理其实还是借助了第三方 API 平台，因为市面上提供经纬度转换 第三方平台很多，为了方便， Geopy 把这些接口都分别封装在一个类中，借助 Geopy 模块来调用，支持的第三放平台如下
Geopy作为一个专注于地理处理包之外， 除了能实现上面地理编码、逆地理编码功能之外，还有一个其它令我经验的功能， 提供两个经纬度坐标，计算他们在地球上的最短距离
下面将介绍一下 Geopy 的具体用法，
地理编码
使用 地理编码功能时，需要借助 Geopy 的 geocoders 模块，Geopy 把所有第三方API封装到 geocoders 中
这里选用 OpenStreetMap 平台上提供的 Nominatim 地理编码器，因为可以免费供我们使用，不需要申请 API ，但缺点是限流，限额，不能大规模频繁访问，否则会返回 403，429错误代码
from geopy.geocoders import Nominatim
geolocator=Nominatim()
location= geolocator.geocode("北京市海淀区西二旗北路")
print(location.address)
print(location.latitude,location.longitude)结果如下
西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国
40.056793 116.305811
逆地理编码
from geopy.geocoders import Nominatim
geolocator=Nominatim()
location= geolocator.reverse("40.056793 116.305811")
print(location.address)结果如下
1#, 西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国
结果看起来还不错，简单方便；但提醒一下，因为前面说过 Nominatim 模块是限额度的，不要频繁访问，否则会出现以下错误
根据经纬度计算距离
Geopy 最让我惊喜的是这个用法，提供两个经纬度坐标计算他们之间的距离，因为地球具体来说是椭圆，所以不能按照常规方法来计算 ，目前现有比较流行的几个模型有以下几个
model major (km) minor (km) flattening
ELLIPSOIDS = {'WGS-84': (6378.137, 6356.7523142, 1 / 298.257223563),
'GRS-80': (6378.137, 6356.7523141, 1 / 298.257222101),
'Airy (1830)': (6377.563396, 6356.256909, 1 / 299.3249646),
'Intl 1924': (6378.388, 6356.911946, 1 / 297.0),
'Clarke (1880)': (6378.249145, 6356.51486955, 1 / 293.465),
'GRS-67': (6378.1600, 6356.774719, 1 / 298.25),
}根据官方介绍，官网选择的是 WGS-84 模型，根据统计最终计算到的距离误差最高在0.5%左右；使用方法如下
from geopy import distance newport_ri = (41.49008, -71.312796) cleveland_oh = (41.499498, -81.695391) print(distance.distance(newport_ri, cleveland_oh).miles)#最后以英里单位输出 #output 538.39044536 wellington = (-41.32, 174.81) salamanca = (40.96, -5.50) print(distance.distance(wellington, salamanca).km)# 以 km 作为单位输出 19959.6792674
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python求斐波那契数列的示例,需要的朋友可以参考下2014-02-02
本文主要说明 Python 的 sklearn 库中的决策树的常用接口、属性以及参数调优说明,需要读者或多或少了解过sklearn库和一些基本的机器学习知识,感兴趣的同学跟着小编一起来看看吧2023-08-08
今天和大家来分享一些数据可视化方向的干货，我们来尝试用Python来绘制一下“漏斗图”，感兴趣的小伙伴和小编一起进入课题吧，但愿大家会有所收获2021-09-09
Python的logging模块提供了通用的日志系统,可以方便第三方模块或者是应用使用，下面这篇文章主要给大家介绍了关于python中logging库使用的一些知识总结，文中给出了详细的示例代码，需要的朋友可以参考借鉴，下面来一起看看吧。2017-10-10
这篇文章主要为大家详细介绍了Python映射类型之dict，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-03-03
这篇文章主要介绍了python如何将图片生成视频MP4问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-03-03
这篇文章主要为大家详细介绍了Python实现LRU缓存置换算法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-05-05
这篇文章主要介绍了python使用nntp读取新闻组内容的方法,实例分析了Python操作nntp读取新闻组内容的相关技巧,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了Python字符串处理的8招秘籍，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
这篇文章主要介绍了Python 实现敏感目录扫描的示例代码,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-05-05
最新评论