Это версия от «Генри Вилинского», адаптированная для MySQL и километров:
CREATE FUNCTION `CalculateDistanceInKm`(
fromLatitude float,
fromLongitude float,
toLatitude float,
toLongitude float
) RETURNS float
BEGIN
declare distance float;
select
6367 * ACOS(
round(
COS(RADIANS(90-fromLatitude)) *
COS(RADIANS(90-toLatitude)) +
SIN(RADIANS(90-fromLatitude)) *
SIN(RADIANS(90-toLatitude)) *
COS(RADIANS(fromLongitude-toLongitude))
,15)
)
into distance;
return round(distance,3);
END;
Ниже приведена векторная версия с одной и той же функцией:
import numpy as np
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
Входы - это все массивы значений, и они должны иметь возможность делать миллионы точек мгновенно. Требование состоит в том, что входы представляют собой ndarrays, но столбцы вашей таблицы pandas будут работать.
Например, со случайно генерируемыми значениями:
>>> import numpy as np
>>> import pandas
>>> lon1, lon2, lat1, lat2 = np.random.randn(4, 1000000)
>>> df = pandas.DataFrame(data={'lon1':lon1,'lon2':lon2,'lat1':lat1,'lat2':lat2})
>>> km = haversine_np(df['lon1'],df['lat1'],df['lon2'],df['lat2'])
Циклизация через массивы данных очень медленный в python. Numpy предоставляет функции, которые работают со всеми массивами данных, что позволяет избежать циклизации и значительно повысить производительность.
Это пример векторизации .
Чисто для иллюстративного примера, я взял версию numpy
в ответ от @ballsdotballs, а также сделал реализацию C-компаньона, которая будет вызвана через ctypes
. Поскольку numpy
является таким высокооптимизированным инструментом, мало шансов, что мой C-код будет таким же эффективным, но он должен быть несколько близким. Большим преимуществом здесь является то, что, просматривая пример с помощью типов C, он может помочь вам понять, как вы можете подключить свои собственные функции C к Python без чрезмерных затрат. Это особенно приятно, когда вы просто хотите оптимизировать небольшой кусок большего вычисления, написав эту небольшую часть в некотором источнике C, а не в Python. Просто использование numpy
решит проблему большую часть времени, но для тех случаев, когда вам действительно не нужно все numpy
, и вы не хотите добавлять муфту, чтобы требовать использования типов данных numpy
во всем некоторый код, очень удобно знать, как спуститься во встроенную библиотеку ctypes
и сделать это самостоятельно.
Сначала давайте создадим наш исходный C-файл под названием haversine.c
:
#include <stdlib.h>
#include <stdio.h>
#include <math.h>
int haversine(size_t n,
double *lon1,
double *lat1,
double *lon2,
double *lat2,
double *kms){
if ( lon1 == NULL
|| lon2 == NULL
|| lat1 == NULL
|| lat2 == NULL
|| kms == NULL){
return -1;
}
double km, dlon, dlat;
double iter_lon1, iter_lon2, iter_lat1, iter_lat2;
double km_conversion = 2.0 * 6367.0;
double degrees2radians = 3.14159/180.0;
int i;
for(i=0; i < n; i++){
iter_lon1 = lon1[i] * degrees2radians;
iter_lat1 = lat1[i] * degrees2radians;
iter_lon2 = lon2[i] * degrees2radians;
iter_lat2 = lat2[i] * degrees2radians;
dlon = iter_lon2 - iter_lon1;
dlat = iter_lat2 - iter_lat1;
km = pow(sin(dlat/2.0), 2.0)
+ cos(iter_lat1) * cos(iter_lat2) * pow(sin(dlon/2.0), 2.0);
kms[i] = km_conversion * asin(sqrt(km));
}
return 0;
}
// main function for testing
int main(void) {
double lat1[2] = {16.8, 27.4};
double lon1[2] = {8.44, 1.23};
double lat2[2] = {33.5, 20.07};
double lon2[2] = {14.88, 3.05};
double kms[2] = {0.0, 0.0};
size_t arr_size = 2;
int res;
res = haversine(arr_size, lon1, lat1, lon2, lat2, kms);
printf("%d\n", res);
int i;
for (i=0; i < arr_size; i++){
printf("%3.3f, ", kms[i]);
}
printf("\n");
}
Обратите внимание, что мы стараемся придерживаться конвенций C. Явно передавая аргументы данных по ссылке, используя size_t
для переменной размера, и ожидая, что наша функция haversine
будет работать путем изменения одного из переданных входов, так что она будет содержать ожидаемые данные при выходе. Функция фактически возвращает целое число, которое является флагом успеха / сбоя, который может использоваться другими потребителями этой функции.
Нам понадобится найти способ справиться со всеми этими маленькими C-специфическими проблемами внутри Python.
Затем давайте поместим нашу numpy
версию функции вдоль с некоторыми импортными данными и некоторыми тестовыми данными в файл с именем haversine.py
:
import time
import ctypes
import numpy as np
from math import radians, cos, sin, asin, sqrt
def haversine(lon1, lat1, lon2, lat2):
"""
Calculate the great circle distance between two points
on the earth (specified in decimal degrees)
"""
# convert decimal degrees to radians
lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
# haversine formula
dlon = lon2 - lon1
dlat = lat2 - lat1
a = (np.sin(dlat/2)**2
+ np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2)**2)
c = 2 * np.arcsin(np.sqrt(a))
km = 6367 * c
return km
if __name__ == "__main__":
lat1 = 50.0 * np.random.rand(1000000)
lon1 = 50.0 * np.random.rand(1000000)
lat2 = 50.0 * np.random.rand(1000000)
lon2 = 50.0 * np.random.rand(1000000)
t0 = time.time()
r1 = haversine(lon1, lat1, lon2, lat2)
t1 = time.time()
print t1-t0, r1
Я решил сделать lats и lons (в градусах), которые случайным образом выбираются между 0 и 50, но это не слишком много для этого объяснения.
Следующее, что нам нужно сделать, - это скомпилировать наш C-модуль таким образом, чтобы он мог динамически загружаться Python. Я использую систему Linux (вы можете легко найти примеры для других систем в Google), поэтому моя цель состоит в компиляции haversine.c
в общий объект, например:
gcc -shared -o haversine.so -fPIC haversine.c -lm
Мы можем также скомпилируйте исполняемый файл и запустите его, чтобы увидеть, что отображает функция main
программы C:
> gcc haversine.c -o haversine -lm
> ./haversine
0
1964.322, 835.278,
Теперь, когда мы скомпилировали общий объект haversine.so
, мы можем использовать ctypes
для загрузки это в Python, и нам нужно указать путь к файлу, чтобы сделать это:
lib_path = "/path/to/haversine.so" # Obviously use your real path here.
haversine_lib = ctypes.CDLL(lib_path)
Теперь haversine_lib.haversine
действует почти так же, как функция Python, за исключением того, что нам может понадобиться сделать какой-то ручной тип marshaling, чтобы убедиться, что входы и выходы интерпретируются правильно.
numpy
на самом деле предоставляет некоторые полезные инструменты для этого, и тот, который я буду использовать здесь, - numpy.ctypeslib
. Мы собираемся создать тип указателя , который позволит нам передавать numpy.ndarrays
в эти ctypes
-груженные функции, поскольку они были указателями. Вот код:
arr_1d_double = np.ctypeslib.ndpointer(dtype=np.double,
ndim=1,
flags='CONTIGUOUS')
haversine_lib.haversine.restype = ctypes.c_int
haversine_lib.haversine.argtypes = [ctypes.c_size_t,
arr_1d_double,
arr_1d_double,
arr_1d_double,
arr_1d_double,
arr_1d_double]
Обратите внимание, что мы передаем прокси-сервер функции haversine_lib.haversine
для интерпретации его аргументов в соответствии с типами, которые мы хотим.
Теперь, чтобы проверить его из Python остается только создать переменную размера и массив, который будет мутировать (как и в коде C), чтобы содержать данные результата, тогда мы можем назвать это:
size = len(lat1)
output = np.empty(size, dtype=np.double)
print "====="
print output
t2 = time.time()
res = haversine_lib.haversine(size, lon1, lat1, lon2, lat2, output)
t3 = time.time()
print t3 - t2, res
print type(output), output
Объединяя все это в блоке __main__
в haversine.py
, весь файл теперь выглядит следующим образом:
import time
import ctypes
import numpy as np
from math import radians, cos, sin, asin, sqrt
def haversine(lon1, lat1, lon2, lat2):
"""
Calculate the great circle distance between two points
on the earth (specified in decimal degrees)
"""
# convert decimal degrees to radians
lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
# haversine formula
dlon = lon2 - lon1
dlat = lat2 - lat1
a = (np.sin(dlat/2)**2
+ np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2)**2)
c = 2 * np.arcsin(np.sqrt(a))
km = 6367 * c
return km
if __name__ == "__main__":
lat1 = 50.0 * np.random.rand(1000000)
lon1 = 50.0 * np.random.rand(1000000)
lat2 = 50.0 * np.random.rand(1000000)
lon2 = 50.0 * np.random.rand(1000000)
t0 = time.time()
r1 = haversine(lon1, lat1, lon2, lat2)
t1 = time.time()
print t1-t0, r1
lib_path = "/home/ely/programming/python/numpy_ctypes/haversine.so"
haversine_lib = ctypes.CDLL(lib_path)
arr_1d_double = np.ctypeslib.ndpointer(dtype=np.double,
ndim=1,
flags='CONTIGUOUS')
haversine_lib.haversine.restype = ctypes.c_int
haversine_lib.haversine.argtypes = [ctypes.c_size_t,
arr_1d_double,
arr_1d_double,
arr_1d_double,
arr_1d_double,
arr_1d_double]
size = len(lat1)
output = np.empty(size, dtype=np.double)
print "====="
print output
t2 = time.time()
res = haversine_lib.haversine(size, lon1, lat1, lon2, lat2, output)
t3 = time.time()
print t3 - t2, res
print type(output), output
Чтобы запустить его, который будет запускаться и время Python и ctypes
и напечатать некоторые результаты, мы можем просто сделать
python haversine.py
, который отображает:
0.111340045929 [ 231.53695005 3042.84915093 169.5158946 ..., 1359.2656769
2686.87895954 3728.54788207]
=====
[ 6.92017600e-310 2.97780954e-316 2.97780954e-316 ...,
3.20676686e-001 1.31978329e-001 5.15819721e-001]
0.148446083069 0
<type 'numpy.ndarray'> [ 231.53675618 3042.84723579 169.51575588 ..., 1359.26453029
2686.87709456 3728.54493339]
Как и ожидалось, версия numpy
немного быстрее (0.11 секунды для векторов длиной 1 миллион), но наша быстрая и грязная версия ctypes
не сутулится: респектабельные 0,148 секунды на одни и те же данные.
Давайте сравним это с наивным for-loop решением в Python:
from math import radians, cos, sin, asin, sqrt
def slow_haversine(lon1, lat1, lon2, lat2):
n = len(lon1)
kms = np.empty(n, dtype=np.double)
for i in range(n):
lon1_v, lat1_v, lon2_v, lat2_v = map(
radians,
[lon1[i], lat1[i], lon2[i], lat2[i]]
)
dlon = lon2_v - lon1_v
dlat = lat2_v - lat1_v
a = (sin(dlat/2)**2
+ cos(lat1_v) * cos(lat2_v) * sin(dlon/2)**2)
c = 2 * asin(sqrt(a))
kms[i] = 6367 * c
return kms
Когда я помещаю это в тот же файл Python, что и другие, и время на том же стане ионного элемента, я постоянно вижу время около 2,65 секунды на моей машине.
Таким образом, быстро переключаясь на ctypes
, мы улучшаем скорость примерно в 18 раз. Для многих расчетов, которые могут принести пользу от доступа к голым, непрерывным данным, вы часто видите выигрыш гораздо выше, чем это.
Просто, чтобы быть предельно ясным, я вовсе не одобряю это как лучший вариант, чем просто использовать numpy
. Это именно проблема, с которой numpy
был создан для решения, и поэтому homebrewing ваш собственный код ctypes
всякий раз, когда он (a) имеет смысл включать numpy
типы данных в ваше приложение и (b) существует простой способ для сопоставления вашего кода с эквивалентом numpy
не очень эффективно.
Но по-прежнему очень полезно знать, как это сделать в тех случаях, когда вы предпочитаете писать что-то в C, но назовите его в Python , или ситуации, когда зависимость от numpy
непрактична (во встроенной системе, где numpy
не может быть установлена, например).
В случае, если использование scikit-learn разрешено, я бы дал следующий шанс:
from sklearn.neighbors import DistanceMetric
dist = DistanceMetric.get_metric('haversine')
# example data
lat1, lon1 = 36.4256345, -5.1510261
lat2, lon2 = 40.4165, -3.7026
lon1, lat1, lon2, lat2 = map(np.radians, [lon1, lat1, lon2, lat2])
X = [[lat1, lon1],
[lat2, lon2]]
kms = 6367
print(kms * dist.pairwise(X))
Некоторые из этих ответов «округляют» радиус земли. Если вы проверите их с другими калькуляторами расстояния (например, география ), эти функции будут отключены.
Вы можете отключить R=3959.87433
для константы преобразования ниже, если вы хотите ответьте в милях.
Если вам нужны километры, используйте R= 6372.8
.
lon1 = -103.548851
lat1 = 32.0004311
lon2 = -103.6041946
lat2 = 33.374939
def haversine(lat1, lon1, lat2, lon2):
R = 3959.87433 # this is in miles. For Earth radius in kilometers use 6372.8 km
dLat = radians(lat2 - lat1)
dLon = radians(lon2 - lon1)
lat1 = radians(lat1)
lat2 = radians(lat2)
a = sin(dLat/2)**2 + cos(lat1)*cos(lat2)*sin(dLon/2)**2
c = 2*asin(sqrt(a))
return R * c
print(haversine(lat1, lon1, lat2, lon2))
array programming
, не встретил его с MATLAB. – Divakar 9 April 2015 в 19:49Series
, а другая - кортежей:haversine_np(pd.Series([-74.00594, -122.41942]), pd.Series([40.71278, 37.77493]), -87.65005, 41.85003)
вычисляет расстояние между (Нью-Йорк, Сан-Франциско) и Чикаго. – Dennis Golomazov 26 January 2017 в 22:27lat, lon
. Во многих источниках широта идет первым, например. в ru.wikipedia.org/wiki/Horizontal_position_representation . – Dennis Golomazov 26 January 2017 в 22:43