如何使用 NumPy 数组的矢量化来使用 Geopy 库计算大型数据集的测地距离？

我正在尝试从数据帧计算测地距离，该数据帧由四列纬度和经度数据组成，大约有 300 万行。我使用 apply lambda 方法来完成此任务，但花了 18 分钟才能完成任务。有没有办法将矢量化与 NumPy 数组结合使用来加速计算？谢谢您的回答。

我的代码使用 apply 和 lambda 方法：

from geopy import distance

df['geo_dist'] = df.apply(lambda x: distance.distance(
                              (x['start_latitude'], x['start_longitude']),
                              (x['end_latitude'], x['end_longitude'])).miles, axis=1)

Updates:

我正在尝试这段代码，但它给了我错误：ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()。如果有人可以提供帮助，我们将不胜感激。

df['geo_dist'] = distance.distance(
                          (df['start_latitude'].values, df['start_longitude'].values),
                          (df['end_latitude'].values, df['end_longitude'].values)).miles

我想你可能会考虑使用geopandas为此，它是 pandas 的扩展（因此numpy）旨在非常快速地执行这些类型的计算。

具体来说，它有一种计算点集之间距离的方法GeoSeries，它可以是a的一列GeoDataFrame。我相当确定这种方法可以利用numexpr用于矢量化。

它应该看起来像这样，您可以将数据框转换为GeoDataFrame与（至少）两个GeoSeries可用于起点和终点的列。这应该返回一个GeoSeries object:

import pandas as pd
import geopandas as gpd
from shapely.geometry import Point

geometry = [Point(xy) for xy in zip(df.longitude, df.latitude)]
gdf = gpd.GeoDataFrame(df, crs={'init': 'epsg:4326'}, geometry=geometry)

distances = gdf.geometry.distance(gdf.destination_geometry)