python根据经纬度计算距离示例

下面是针对“Python根据经纬度计算距离”的完整攻略。

1. 确定坐标系

在进行经纬度计算时，首先需要确定所使用的坐标系。通常使用的是WGS-84坐标系，它是GPS使用的坐标系，也是Google Maps和其他在线地图平台的标准坐标系。

2. 计算距离

计算距离的方法有很多种，以下是其中比较常用的两种方法。

方法一：Haversine公式

Haversine公式是根据经纬度计算两点间最短距离的常见算法之一，它的基本思路是将地球看成一颗球体，根据两个点的经纬度计算出它们在球面上对应点的夹角，然后将夹角转换成弧长即距离。下面是使用Haversine公式计算距离的示例代码：

from math import radians, sin, cos, sqrt, atan2

def haversine(lat1, lon1, lat2, lon2):
    R = 6371  # 地球平均半径，单位为公里
    lat1, lon1, lat2, lon2 = map(radians, [lat1, lon1, lat2, lon2])
    dlon = lon2 - lon1
    dlat = lat2 - lat1
    a = sin(dlat / 2) ** 2 + cos(lat1) * cos(lat2) * sin(dlon / 2) ** 2
    c = 2 * atan2(sqrt(a), sqrt(1 - a))
    distance = R * c
    return distance

该函数接受四个参数，分别为两个点的经度和纬度，返回值为两点之间的距离，单位为千米。

方法二：Vincenty公式

Vincenty公式是Haversine公式的改进版，它同样也是根据经纬度计算两点之间距离的方法，但是它考虑了地球不是完全的球形，而是一个椭球体的事实。下面是使用Vincenty公式计算距离的示例代码：

from math import sin, cos, atan2, sqrt, pi

def vincenty(lat1, lon1, lat2, lon2):
    a = 6378137  # 赤道半径，单位为米
    b = 6356752.314245  # 极半径，单位为米
    f = 1 / 298.257223563  # 扁率
    L = radians(lon2 - lon1)
    U1 = atan2((1 - f) * sin(radians(lat1)), cos(radians(lat1)))
    U2 = atan2((1 - f) * sin(radians(lat2)), cos(radians(lat2)))
    sinU1, cosU1 = sin(U1), cos(U1)
    sinU2, cosU2 = sin(U2), cos(U2)
    lam = L
    i = 0
    while True:
        sinLam, cosLam = sin(lam), cos(lam)
        sinSigma = sqrt((cosU2 * sinLam) ** 2 + (cosU1 * sinU2 - sinU1 * cosU2 * cosLam) ** 2)
        if sinSigma == 0:
            return 0  # 两点重合
        cosSigma = sinU1 * sinU2 + cosU1 * cosU2 * cosLam
        sigma = atan2(sinSigma, cosSigma)
        sinAlpha = cosU1 * cosU2 * sinLam / sinSigma
        cosSqAlpha = 1 - sinAlpha ** 2
        if cosSqAlpha == 0:
            cos2SigmaM = 0  # 两点在赤道上
        else:
            cos2SigmaM = cosSigma - 2 * sinU1 * sinU2 / cosSqAlpha
        C = f / 16 * cosSqAlpha * (4 + f * (4 - 3 * cosSqAlpha))
        newLam = L + (1 - C) * f * sinAlpha * (sigma + C * sinSigma * (cos2SigmaM + C * cosSigma * (-1 + 2 * cos2SigmaM ** 2)))
        if abs(newLam - lam) < 1e-12:
            break
        lam = newLam
        i += 1
        if i == 1000:
            return None  # 失败，迭代次数太多
    uSq = cosSqAlpha * (a ** 2 - b ** 2) / b ** 2
    A = 1 + uSq / 16384 * (4096 + uSq * (-768 + uSq * (320 - 175 * uSq)))
    B = uSq / 1024 * (256 + uSq * (-128 + uSq * (74 - 47 * uSq)))
    deltaSigma = B * sinSigma * (cos2SigmaM + 1 / 4 * B * (cosSigma * (-1 + 2 * cos2SigmaM ** 2) - 1 / 6 * B * cos2SigmaM * (-3 + 4 * sinSigma ** 2) * (-3 + 4 * cos2SigmaM ** 2)))
    s = b * A * (sigma - deltaSigma)
    return s / 1000  # 返回值单位为千米

与Haversine相比，Vincenty需要进行更多的计算，但精度更高。

3. 示例

下面是两个示例，一个使用Haversine公式计算距离，一个使用Vincenty公式计算距离。

示例一：Haversine公式

lat1 = 31.281334
lon1 = 121.500464
lat2 = 31.230416
lon2 = 121.473701

distance = haversine(lat1, lon1, lat2, lon2)
print(f"两地之间的距离为{distance:.2f}千米")

以上代码使用Haversine公式，计算了上海市区浦东机场与虹桥机场之间的距离，输出结果为：

两地之间的距离为33.70千米

示例二：Vincenty公式

lat1 = 31.281334
lon1 = 121.500464
lat2 = 31.230416
lon2 = 121.473701

distance = vincenty(lat1, lon1, lat2, lon2)
print(f"两地之间的距离为{distance:.2f}千米")

以上代码使用Vincenty公式，计算了上海市区浦东机场与虹桥机场之间的距离，输出结果为：

两地之间的距离为32.61千米

以上就是根据经纬度计算距离的Python攻略。