手把手教你用Python替代Mapinfo更快查找两张表中距离最近的点.docxVIP

手把手教你用Python替代Mapinfo更快查找两张表中距离最近的点 大家好，我是崔艳飞。工作中有时需要把A表中的经纬度点，从B表中婚配一个最近的点出来，用Mapinfo也可以实现，但处理速度慢，特殊是数据量大时根本处理不动，此时用Python就能轻松实现，还能显示处理进度，具体如下。 二、项目目标 用Python实现两张表间最近点的计算。 三、项目预备 软件：PyCharm 需要的库：pandas， xlrd，os 四、项目分析 1）如何选择并读取要处理的Excel文件？ 利用os、xlrd，选择要读取处理的Excel文件。 2）如何计算两个经纬度点的距离？ 利用pandas库读取两张表的内容，再定义函数计算两个经纬度点的距离。 3）如何循环计算并保存最近一个点的数据？ 利用For循环，对两张表的内容进行循环读取，通过If推断保留最近的距离点数据。 4）如何保存结果？ 利用to_excel保存，得到最近点的数据。 五、项目实现 1、第一步导入需要的库 import pandas as pd import xlrd import os 2、其次步选择并读取要处理的Excel文件 path=D:/a/ #猎取文件夹下全部EXCEL名 bb = path + result.xlsx writer = pd.ExcelWriter(bb,engine=openpyxl) xlsx_names = [x for x in os.listdir(path) if x.endswith(.xlsx)] # 猎取第一个EXCEL名 xlsx_names1 = xlsx_names[0] aa = path + xlsx_names1 #打开第一个EXCEL first_file_fh=xlrd.open_workbook(aa) # 猎取SHEET名 first_file_sheet=first_file_fh.sheets() 3、第三步循环计算并保存最近一个点的数据 for i in range(h1): w1=df1.loc[i,纬度] j1 = df1.loc[i,经度] d1 = df1.loc[i, :] d0=10000000000000000000000000.0000 print(原小区第%d个。 %(i+1)) test_dict = {距离: [d0]} d3 = pd.DataFrame(test_dict) for l in range(h2): w2=df2.loc[l, 纬度] j2=df2.loc[l,经度] d=haversine(j1, w1, j2, w2) if d d0=d d2 = df2.loc[l, :] test_dict = {距离: [d0]} d3 = pd.DataFrame(test_dict) else:continue 4、第四步保存计算后的文件 resultdata1.to_excel(excel_writer=writer, sheet_name=原小区, encoding=utf-8, index=False) resultdata2.to_excel(excel_writer=writer, sheet_name=最近小区, encoding=utf-8, index=False) resultdata3.to_excel(excel_writer=writer, sheet_name=距离, encoding=utf-8, index=False) writer.save() writer.close() 六、效果呈现 1、处理前数据： 2、处理进度显示： 3、处理结果： 七、总结 本文引见了如何利用Python计算两个经纬度点间的距离，并在两张表间进行最近点计算，这原来是Mapinfo的分内之事，但数据量大时就处理不动了，Python处理速度快，还能对数据进行预处理，正是由于可以本人优化代码，可以无限提高运转速度，比如数据切块处理，有爱好的同学可以进一步争辩下。 最终需要本文项目代码的小伙伴，请在后台回复“经纬度”关键字进行猎取，假如在运转过程中有遇到任何问题，请随时留言或者加小编