首页 > 编程语言> > Python实现点与点、点与线的批量近邻匹配（TransBigData）

Python实现点与点、点与线的批量近邻匹配（TransBigData）

2021-11-13 15:33:19 作者：互联网

近邻匹配

Python的TransBigData包提供了点与点、点与线的近邻匹配算法，下面的案例展示如何用TransBigData包进行点与点、点与线的近邻匹配。该方法使用的是KDTree算法，可查看wiki：https://en.wikipedia.org/wiki/K-d_tree，算法复杂度为o(log(n))

点与点匹配（DataFrame与DataFrame）

导入TransBigData包

import transbigdata as tbd

生成两个GeoDataFrame表，但它们只有经纬度列

import pandas as pd
import geopandas as gpd
from shapely.geometry import LineString
dfA = gpd.GeoDataFrame([[1,2],[2,4],[2,6],
                        [2,10],[24,6],[21,6],
                        [22,6]],columns = ['lon1','lat1'])
dfB = gpd.GeoDataFrame([[1,3],[2,5],[2,2]],columns = ['lon','lat'])

使用tbd.ckdnearest进行点与点匹配，如果是DataFrame与DataFrame匹配（不含有地理信息），则需要指定前后两个表的经纬度列

transbigdata.ckdnearest(dfA_origin, dfB_origin, Aname=['lon', 'lat'], Bname=['lon', 'lat'])

输入两个DataFrame，分别指定经纬度列名，为表A匹配表B中最近点，并计算距离

输入

dfA_origin：DataFrame

        表A

dfB_origin：DataFrame

        表B

Aname：List

        表A中经纬度列字段

Bname：List

        表B中经纬度列字段

输出

gdf：DataFrame

        为A匹配到B上最近点的表

tbd.ckdnearest(dfA,dfB,Aname=['lon1','lat1'],Bname=['lon','lat'])
#此时计算出的距离为经纬度换算实际距离

	lon1	lat1	index	lon	lat	dist
0	1	2	0	1	3	1.111949e+05
1	2	4	1	2	5	1.111949e+05
2	2	6	1	2	5	1.111949e+05
3	2	10	1	2	5	5.559746e+05
4	24	6	1	2	5	2.437393e+06
5	21	6	1	2	5	2.105798e+06
6	22	6	1	2	5	2.216318e+06

点与点匹配（GeoDataFrame与GeoDataFrame）

将A表B表变为含有点信息的GeoDataFrame

dfA['geometry'] = gpd.points_from_xy(dfA['lon1'],dfA['lat1'])
dfB['geometry'] = gpd.points_from_xy(dfB['lon'],dfB['lat'])

使用tbd.ckdnearest_point进行点与点匹配

transbigdata.ckdnearest_point(gdA, gdB)

输入两个GeoDataFrame，gdfA、gdfB均为点，该方法会为gdfA表连接上gdfB中最近的点，并添加距离字段dsit

输入

gdA：GeoDataFrame

        表A，点要素

gdB：GeoDataFrame

        表B，点要素

输出

gdf：GeoDataFrame

        为A匹配到B上最近点的表

tbd.ckdnearest_point(dfA,dfB)
#此时计算出的距离为经纬度距离

	lon1	lat1	geometry_x	dist	index	lon	lat	geometry_y
0	1	2	POINT (1.00000 2.00000)	1.000000	0	1	3	POINT (1.00000 3.00000)
1	2	4	POINT (2.00000 4.00000)	1.000000	1	2	5	POINT (2.00000 5.00000)
2	2	6	POINT (2.00000 6.00000)	1.000000	1	2	5	POINT (2.00000 5.00000)
3	2	10	POINT (2.00000 10.00000)	5.000000	1	2	5	POINT (2.00000 5.00000)
4	24	6	POINT (24.00000 6.00000)	22.022716	1	2	5	POINT (2.00000 5.00000)
5	21	6	POINT (21.00000 6.00000)	19.026298	1	2	5	POINT (2.00000 5.00000)
6	22	6	POINT (22.00000 6.00000)	20.024984	1	2	5	POINT (2.00000 5.00000)

点与线匹配（GeoDataFrame与GeoDataFrame）

将A表变为地理点，B表为线

dfA['geometry'] = gpd.points_from_xy(dfA['lon1'],dfA['lat1'])
dfB['geometry'] = [LineString([[1,1],[1.5,2.5],[3.2,4]]),
                  LineString([[1,0],[1.5,0],[4,0]]),
                   LineString([[1,-1],[1.5,-2],[4,-4]])]
dfB.plot()

_images/output_15_1.png

transbigdata.ckdnearest_line(gdfA, gdfB)

输入两个GeoDataFrame，其中gdfA为点，gdfB为线，该方法会为gdfA表连接上gdfB中最近的线，并添加距离字段dsit

输入

gdA：GeoDataFrame

        表A，点要素

gdB：GeoDataFrame

        表B，线要素

输出

gdf：GeoDataFrame

        为A匹配到B中最近的线

用tbd.ckdnearest_line可以实现点匹配线，其原理是将线中的折点提取，然后使用点匹配点。

tbd.ckdnearest_line(dfA,dfB)
#此时计算出的距离为经纬度距离

	lon1	lat1	geometry_x	dist	index	lon	lat	geometry_y
0	1	2	POINT (1.00000 2.00000)	0.707107	0	1	3	LINESTRING (1.00000 1.00000, 1.50000 2.50000, ...
1	2	4	POINT (2.00000 4.00000)	1.200000	0	1	3	LINESTRING (1.00000 1.00000, 1.50000 2.50000, ...
2	2	6	POINT (2.00000 6.00000)	2.332381	0	1	3	LINESTRING (1.00000 1.00000, 1.50000 2.50000, ...
3	2	10	POINT (2.00000 10.00000)	6.118823	0	1	3	LINESTRING (1.00000 1.00000, 1.50000 2.50000, ...
4	21	6	POINT (21.00000 6.00000)	17.912007	0	1	3	LINESTRING (1.00000 1.00000, 1.50000 2.50000, ...
5	22	6	POINT (22.00000 6.00000)	18.906084	0	1	3	LINESTRING (1.00000 1.00000, 1.50000 2.50000, ...
6	24	6	POINT (24.00000 6.00000)	20.880613	1	2	5	LINESTRING (1.00000 0.00000, 1.50000 0.00000, ...

标签：1.00000,匹配,Python,近邻,TransBigData,GeoDataFrame,dfB,dfA,2.00000
来源： https://blog.csdn.net/u013410354/article/details/121305104