这篇文章建立在this one.
我得到了一个 Pandas 数据框，其中包含城市的地理坐标（大地坐标）作为经度和纬度。
import pandas as pd
df = pd.DataFrame([{'city':"Berlin", 'lat':52.5243700, 'lng':13.4105300},
{'city':"Potsdam", 'lat':52.3988600, 'lng':13.0656600},
{'city':"Hamburg", 'lat':53.5753200, 'lng':10.0153400}]);
对于每个城市，我都试图找到最近的另外两个城市。因此我尝试了 scipy.spatial.KDTree。为此，我必须将大地坐标转换为 3D 笛卡尔坐标（ECEF = 以地球为中心、以地球固定）：
from math import *
def to_Cartesian(lat, lng):
R = 6367 # radius of the Earth in kilometers
x = R * cos(lat) * cos(lng)
y = R * cos(lat) * sin(lng)
z = R * sin(lat)
return x, y, z
df['x'], df['y'], df['z'] = zip(*map(to_Cartesian, df['lat'], df['lng']))
df
这给我这个：
这样我就可以创建 KDTree：
coordinates = list(zip(df['x'], df['y'], df['z']))
from scipy import spatial
tree = spatial.KDTree(coordinates)
tree.data
现在我正在柏林测试它，
tree.query(coordinates[0], 2)
这正确地将柏林（本身）和波茨坦作为我的列表中距离柏林最近的两个城市。
问题：但我想知道如何处理与该查询的距离？它显示 1501 - 但我如何将其转换为米或公里？柏林和波茨坦之间的实际距离是 27 公里，而不是 1501 公里。
Remark:我知道我可以获得两个城市的经度/纬度并计算半正矢距离。但使用 KDTree 的输出来代替会很酷。
(数组([ 0., 1501.59637685]), 数组([0, 1]))
任何帮助表示赞赏。
KDTree 正在计算两点（城市）之间的欧氏距离。两座城市和地心形成一个等腰三角形.
德语维基百科条目包含了一个很好的概述几何性质英文条目所缺乏的。您可以使用它来计算距离。
import numpy as np
def deg2rad(degree):
rad = degree * 2*np.pi / 360
return(rad)
def distToKM(x):
R = 6367 # earth radius
gamma = 2*np.arcsin(deg2rad(x/(2*R))) # compute the angle of the isosceles triangle
dist = 2*R*sin(gamma/2) # compute the side of the triangle
return(dist)
distToKM(1501.59637685)
# 26.207800812050056
在关于获得相反的评论之后，我重新阅读了这个问题，并意识到虽然似乎可以使用上面提出的函数，但真正的问题在于其他地方。
cos and sin在你的函数中to_Cartesian期望输入在radians (文档）而你给他们的角度是度数。您可以使用该功能deg2rad上面定义的将纬度和经度转换为弧度。这将为您提供直接距 KDTree 的距离（以公里为单位）。