Python中经纬度距离计算的实现方式

 更新时间:2025年08月11日 15:54:14   作者:AI手记叨叨  
文章介绍Python中计算经纬度距离的方法及中国加密坐标系转换工具,主要方法包括geopy(Vincenty/Karney)、Haversine、pyproj和平面近似法,适用于不同精度和场景需求,需注意坐标系转换(如GCJ-02→WGS84)的不可逆性及误差问题

Python中计算经纬度距离可以使用geopy(Vincenty、Karney)、Haversine、pyproj(椭球模型投影计算)、平面近似法(小范围快速估算)等。而针对中国加密坐标系(如GCJ-02/BD-09)也可以使用coord-convert工具转换为WGS84。

以下是对应方法的示例。

一、基本方法

1. 使用geopy库(推荐)

geopy 提供了多种距离计算方式(包括Haversine、Vincenty、Karney),支持WGS84椭球模型。

安装

pip install geopy

示例代码

from geopy.distance import geodesic, great_circle

# 定义两点(纬度, 经度)
point_a = (39.9042, 116.4074)  # 北京
point_b = (31.2304, 121.4737)  # 上海

# 方法1:
# geopy 1.x 版本 Vincenty(默认,高精度)
# geopy 2.0 版本 Karney
distance_karney = geodesic(point_a, point_b).km
print(f"karney距离: {distance_karney:.2f} km")

# 方法2:大圆距离(Haversine,球面近似)
distance_great_circle = great_circle(point_a, point_b).km
print(f"大圆距离: {distance_great_circle:.2f} km")

输出:

Karney距离: 1065.85 km
大圆距离: 1067.31 km

说明:
geodesic 2.0版本 使用的是Karney算法,1.x 版本使用的是Vincenty算法。
great_circle 使用Haversine公式,假设地球为完美球体。实际地球是椭球体,其误差范围(通常为 0.5% 左右)。

2. 手动实现 Haversine 公式

适合无需外部库的场景。

示例代码

import math


def haversine(lat1, lon1, lat2, lon2):
    R = 6371  # 地球半径(km)
    phi1, phi2 = math.radians(lat1), math.radians(lat2)
    delta_phi = math.radians(lat2 - lat1)
    delta_lambda = math.radians(lon2 - lon1)

    a = math.sin(delta_phi / 2) ** 2 + \
        math.cos(phi1) * math.cos(phi2) * math.sin(delta_lambda / 2) ** 2
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1 - a))
    return R * c

distance = haversine(39.9042, 116.4074, 31.2304, 121.4737)
print(f"Haversine距离: {distance:.2f} km")

输出:

Haversine距离: 1067.31 km

注意:与geopygreat_circle结果一致。

3. 使用pyproj进行投影坐标系计算

适合需要平面坐标的高精度场景(如UTM投影)。

安装

pip install pyproj

示例代码

from pyproj import Geod

# 使用WGS84椭球
geod = Geod(ellps="WGS84")

# 计算距离和方位角
# 参数顺序:起点经度、起点纬度、终点经度、终点纬度
_, _, distance = geod.inv(116.4074, 39.9042, 121.4737, 31.2304)
print(f"pyproj椭球距离: {distance / 1000:.2f} km")

输出:

pyproj椭球距离: 1065.85 km

说明:

  • geod.inv 返回前两个值是方位角,第三个是距离(米)。
  • 结果与geopy的Vincenty一致。

4. 平面近似法(小范围适用)

适用于城市内短距离快速估算。

import math

def flat_approximation(lat1, lon1, lat2, lon2):
    R = 6371  # 地球半径(km)
    avg_lat = math.radians((lat1 + lat2) / 2)
    dx = math.radians(lon2 - lon1) * math.cos(avg_lat)
    dy = math.radians(lat2 - lat1)
    return R * math.sqrt(dx**2 + dy**2)

# 示例(北京天安门到北京西站)
distance = flat_approximation(39.9042, 116.4074, 39.8946, 116.3224)
print(f"平面近似距离: {distance:.2f} km")

输出:

平面近似距离: 7.33 km

注意:适用于距离 < 10 km,实际误差还取决于纬度,高纬度地区误差更大。

二、不同坐标系的影响

常见坐标系

许多国家会对地理信息进行加密或偏移,如中国的GCJ-02或BD-09,计算距离前需确保所有坐标点在同一坐标系下,否则结果会有偏差。

可以使用库(如coord-convert)将GCJ-02或BD-09坐标转换为WGS84,但不同坐标系之间的转换是不可逆的,多次转换可能会导致精度损失。

  • WGS84(国际标准GPS坐标系):未加密的地心坐标系,高精度。
  • GCJ-02(火星坐标系):基于WGS84通过非线性算法加入随机偏移。
  • BD-09(百度坐标系):在GCJ-02基础上二次加密的坐标系。

coord-convert坐标系转换

安装

pip install coord-convert

示例代码

from coord_convert import transform

# GCJ-02 转 WGS84
gcj_lon, gcj_lat = 116.404, 39.915  # 北京天安门(GCJ-02)
wgs_lon, wgs_lat = transform.gcj2wgs(gcj_lon, gcj_lat)
print(f"WGS84坐标: {wgs_lon:.6f}, {wgs_lat:.6f}")
# WGS84坐标: 116.397756, 39.913596

# BD-09 转 WGS84
bd_lon, bd_lat = 116.410, 39.921  # 北京天安门(BD-09)
wgs_lon, wgs_lat = transform.bd2wgs(bd_lon, bd_lat)
print(f"WGS84坐标: {wgs_lon:.6f}, {wgs_lat:.6f}")
# WGS84坐标: 116.397387, 39.913258

坐标系转换方法

函数说明
transform.wgs2gcj(lon, lat)WGS84 → GCJ-02
transform.gcj2wgs(lon, lat)GCJ-02 → WGS84
transform.gcj2bd(lon, lat)GCJ-02 → BD-09
transform.bd2gcj(lon, lat)BD-09 → GCJ-02
transform.bd2wgs(lon, lat)BD-09 → WGS84
transform.wgs2bd(lon, lat)WGS84 → BD-09

三、方法对比总结

方法精度适用场景依赖库
geopy.geodesic毫米级全球范围,高精度geopy
geopy.great_circle中等快速球面估算geopy
Haversine手动实现中等无库依赖
pyproj.Geod毫米级复杂椭球模型计算pyproj
平面近似极小范围(城市内)

四、如何选择?

  • 通用场景:直接使用 geopy.geodesic(平衡精度和易用性)。
  • 学术与工程:需要椭球模型时用 pyproj
  • 轻量级需求:手动Haversine或无库平面近似。

五、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

  • Python面向对象编程之类的封装

    Python面向对象编程之类的封装

    这篇文章主要介绍了Python面向对象编程之类的封装封装指属性和方法的抽象,属性的抽象又指对类的属性进行定义、隔离和保护,下面来看看文章的具体内容吧,需要的朋友可以参考一下,希望对你有所帮助
    2021-11-11
  • PyTorch 对应点相乘、矩阵相乘实例

    PyTorch 对应点相乘、矩阵相乘实例

    今天小编就为大家分享一篇PyTorch 对应点相乘、矩阵相乘实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-12-12
  • Python format函数详谈

    Python format函数详谈

    这篇文章主要介绍了Python中用format函数格式化字符串的用法,格式化字符串是Python学习当中的基础知识,希望能够给你带来帮助
    2021-10-10
  • Python中函数参数调用方式分析

    Python中函数参数调用方式分析

    这篇文章主要介绍了Python中函数参数调用方式,结合实例形式分析了Python函数参数定义与使用的四种常见操作方法,需要的朋友可以参考下
    2018-08-08
  • python复制文件代码实现

    python复制文件代码实现

    最近在备份手机上的照片的时候,纯手工操作觉得有些麻烦,就想写个脚本自动进行。因为备份的时候有些照片以前备份过了,所以需要有个判重操作,看下面的实现代码
    2013-12-12
  • python socket通信编程实现文件上传代码实例

    python socket通信编程实现文件上传代码实例

    这篇文章主要介绍了python socket通信编程实现文件上传代码实例,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,需要的朋友可以参考下
    2019-12-12
  • python redis存入字典序列化存储教程

    python redis存入字典序列化存储教程

    这篇文章主要介绍了python redis存入字典序列化存储教程,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • 用python对excel进行操作(读,写,修改)

    用python对excel进行操作(读,写,修改)

    这篇文章主要介绍了用python对excel进行操作(读,写,修改),帮助大家更好的利用python处理表格,感兴趣的朋友可以了解下
    2020-12-12
  • Python编写单元测试代码实例

    Python编写单元测试代码实例

    这篇文章主要介绍了Python编写单元测试代码实例,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,需要的朋友可以参考下
    2020-09-09
  • 解析Anaconda创建python虚拟环境的问题

    解析Anaconda创建python虚拟环境的问题

    这篇文章主要介绍了Anaconda创建python虚拟环境,包括虚拟环境管理、虚拟环境中python包管理,本文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
    2022-03-03

最新评论