来源：Python爬虫与数据挖掘

作者：崔艳飞

一、前言

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表中匹配一个最近的点出来，用Mapinfo也可以实现，但处理速度慢，特别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，详细如下。

二、项目目标

用Python实现两张表间最近点的计算。

三、项目准备

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判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 pdimport xlrdimport os

2、第二步选择并读取要处理的Excel文件

 path="D:/a/"    #获取文件夹下所有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")]    # 获取第一个EXCEL名    xlsx_names1 = xlsx_names[0]    aa = path + xlsx_names1    #打开第一个EXCEL    first_file_fh=xlrd.open_workbook(aa)    # 获取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:                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()

1、处理前数据：

2、处理进度显示：

3、处理结果：

七、总结

本文介绍了如何利用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，这本来是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，正是由于可以自己优化代码，可以无限提高运行速度，比如数据切块处理，有兴趣的同学可以进一步研究下。