Pandas Latitude – долгота на расстояние между последовательными рядами

У меня есть следующее в Pandas DataFrame в Python 2.7:

Ser_Numb LAT LONG 1 74.166061 30.512811 2 72.249672 33.427724 3 67.499828 37.937264 4 84.253715 69.328767 5 72.104828 33.823462 6 63.989462 51.918173 7 80.209112 33.530778 8 68.954132 35.981256 9 83.378214 40.619652 10 68.778571 6.607066 

Я хочу рассчитать расстояние между последовательными строками в кадре данных. Результат должен выглядеть примерно так:

 Ser_Numb LAT LONG Distance 1 74.166061 30.512811 0 2 72.249672 33.427724 d_between_Ser_Numb2 and Ser_Numb1 3 67.499828 37.937264 d_between_Ser_Numb3 and Ser_Numb2 4 84.253715 69.328767 d_between_Ser_Numb4 and Ser_Numb3 5 72.104828 33.823462 d_between_Ser_Numb5 and Ser_Numb4 6 63.989462 51.918173 d_between_Ser_Numb6 and Ser_Numb5 7 80.209112 33.530778 . 8 68.954132 35.981256 . 9 83.378214 40.619652 . 10 68.778571 6.607066 . 

попытка

Этот пост выглядит несколько схожим, но он вычисляет расстояние между неподвижными точками. Мне нужно расстояние между последовательными точками.

Я попытался адаптировать это следующим образом:

 df['LAT_rad'], df['LON_rad'] = np.radians(df['LAT']), np.radians(df['LONG']) df['dLON'] = df['LON_rad'] - np.radians(df['LON_rad'].shift(1)) df['dLAT'] = df['LAT_rad'] - np.radians(df['LAT_rad'].shift(1)) df['distance'] = 6367 * 2 * np.arcsin(np.sqrt(np.sin(df['dLAT']/2)**2 + math.cos(df['LAT_rad'].astype(float).shift(-1)) * np.cos(df['LAT_rad']) * np.sin(df['dLON']/2)**2)) 

Однако я получаю следующую ошибку:

 Traceback (most recent call last): File "C:\Python27\test.py", line 115, in <module> df['distance'] = 6367 * 2 * np.arcsin(np.sqrt(np.sin(df['dLAT']/2)**2 + math.cos(df['LAT_rad'].astype(float).shift(-1)) * np.cos(df['LAT_rad']) * np.sin(df['dLON']/2)**2)) File "C:\Python27\lib\site-packages\pandas\core\series.py", line 78, in wrapper "{0}".format(str(converter))) TypeError: cannot convert the series to <type 'float'> [Finished in 2.3s with exit code 1] 

Эта ошибка была исправлена ​​из комментария MaxU. С исправлением выход этого расчета не имеет смысла – расстояние около 8000 км:

  Ser_Numb LAT LONG LAT_rad LON_rad dLON dLAT distance 0 1 74.166061 30.512811 1.294442 0.532549 NaN NaN NaN 1 2 72.249672 33.427724 1.260995 0.583424 0.574129 1.238402 8010.487211 2 3 67.499828 37.937264 1.178094 0.662130 0.651947 1.156086 7415.364469 3 4 84.253715 69.328767 1.470505 1.210015 1.198459 1.449943 9357.184623 4 5 72.104828 33.823462 1.258467 0.590331 0.569212 1.232802 7992.087820 5 6 63.989462 51.918173 1.116827 0.906143 0.895840 1.094862 7169.812123 6 7 80.209112 33.530778 1.399913 0.585222 0.569407 1.380421 8851.558260 7 8 68.954132 35.981256 1.203477 0.627991 0.617777 1.179044 7559.609520 8 9 83.378214 40.619652 1.455224 0.708947 0.697986 1.434220 9194.371978 9 10 68.778571 6.607066 1.200413 0.115315 0.102942 1.175014 NaN 

В соответствии с:

• этот онлайн-калькулятор : если я использую Latitude1 = 74.166061, Longitude1 = 30.512811, Latitude2 = 72.249672, Longitude2 = 33.427724, то я получаю 233 км
• haversine функция найдена здесь как: print haversine(30.512811, 74.166061, 33.427724, 72.249672) тогда я получаю 232.55 км

Ответ должен быть 233 км, но мой подход дает ~ 8000 км. Я думаю, что что-то не так с тем, как я пытаюсь выполнить итерацию между последовательными строками.

Вопрос: Есть ли способ сделать это в Пандах? Или мне нужно прокручивать рамку данных по одной строке за раз?

Дополнительная информация:

Чтобы создать вышеуказанный DF, выберите его и скопируйте в буфер обмена. Затем:

 import pandas as pd df = pd.read_clipboard() print df 

• Параллельное построение матрицы расстояния
• Python, Pairwise 'distance', нужен быстрый способ сделать это
• Векторизация вычисления расстояния Хавсина вдоль пути, заданного списком координат
• Найдите ближайший вектор из списка векторов | питон
• Получить lat / long с учетом текущей точки, расстояния и подшипника

 def haversine_np(lon1, lat1, lon2, lat2): """ Calculate the great circle distance between two points on the earth (specified in decimal degrees) All args must be of equal length. """ lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2]) dlon = lon2 - lon1 dlat = lat2 - lat1 a = np.sin(dlat/2.0)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2.0)**2 c = 2 * np.arcsin(np.sqrt(a)) km = 6367 * c return km df['dist'] = \ haversine_np(df.LONG.shift(), df.LAT.shift(), df.loc[1:, 'LONG'], df.loc[1:, 'LAT']) 

 In [566]: df Out[566]: Ser_Numb LAT LONG dist 0 1 74.166061 30.512811 NaN 1 2 72.249672 33.427724 232.549785 2 3 67.499828 37.937264 554.905446 3 4 84.253715 69.328767 1981.896491 4 5 72.104828 33.823462 1513.397997 5 6 63.989462 51.918173 1164.481327 6 7 80.209112 33.530778 1887.256899 7 8 68.954132 35.981256 1252.531365 8 9 83.378214 40.619652 1606.340727 9 10 68.778571 6.607066 1793.921854 

 In [573]: pd.concat([df['LAT'].shift(), df.loc[1:, 'LAT']], axis=1, ignore_index=True) Out[573]: 0 1 0 NaN NaN 1 74.166061 72.249672 2 72.249672 67.499828 3 67.499828 84.253715 4 84.253715 72.104828 5 72.104828 63.989462 6 63.989462 80.209112 7 80.209112 68.954132 8 68.954132 83.378214 9 83.378214 68.778571