-1

Tengo el siguiente dataframe: el cual requiere medir la distancia en kilómetros de cada uno de los datos, es decir, que requiero evaluar la distancia entre el 1 registro y los siguientes, entre el segundo registro y los siguiente y así sucesivamente.

Me puedes ayudar por favor validando como puedo realizar este proceso, muchas gracias.

introducir la descripción de la imagen aquí

6
  • Podrías agregar lo que tienes hecho hasta ahora por favor? Si lo haces, tu pregunta será mejor recibida por la comunidad y asi aumentarás tu posibilidad de obtener respuestas.
    – Dante S.
    el 26 ene. 2022 a las 21:58
  • Hola Dante cómo estás? Perdón realmente no tengo aún nada montado, realmente no se cómo hacerlo. el 27 ene. 2022 a las 1:52
  • Bien! Y vos? Que te tiene trabado? Hay algo especifico?
    – Dante S.
    el 27 ene. 2022 a las 1:57
  • Me refiero a que cosa no te deja pensar bien la logica del programa.
    – Dante S.
    el 27 ene. 2022 a las 2:18
  • 1
    Sí necesitas calcular la distancia entre dos coordenadas, puedes utilizar la fórmula del Semiverseno, la misma se calcula tomando el R (radio) de la tierra, para simplificar la fórmula se suele redondear a 6371 Kms. el 27 ene. 2022 a las 2:20

1 respuesta 1

3

Sí entendí bien tu planteo, lo que necesitas es calcular la distancia de cada uno de los registros, es decir, un "todos contra todos".

  • Distancia:

Para calcular la distancia, se puede utilizar la fórmula del Semiverseno, como te había sugerido en el comentario. Consiste en tomar dos puntos de una esfera y conociendo su radio, puedes calcular la distancia que hay entre cada extremo. Cada punto (P) esta compuesto por una tupla (latitud, longitud) y ajustaremos R= 6371 (radio de la esfera/tierra) ¿Cuál es el radio de la tierra?

Fórmula:

introducir la descripción de la imagen aquí

Una vez conocida la expresión, podemos utilizar numpy para llegar al objetivo d

import pandas as pd
import numpy as np

def haversine(lon1, lat1, lon2, lat2):
    
    
    lon1 = np.radians(lon1.astype(float))
    lat1 = np.radians(lat1.astype(float))
    lon2 = np.radians(lon2.astype(float))
    lat2 = np.radians(lat2.astype(float))

    r = 6371
    
    
    dlon = np.subtract(lon2, lon1)
    dlat = np.subtract(lat2, lat1)

    a = np.add(np.power(np.sin(np.divide(dlat, 2)), 2),
               np.multiply(np.cos(lat1),
                           np.multiply(np.cos(lat2),
                                       np.power(np.sin(np.divide(dlon, 2)), 2))
                           )
              )
    c = np.multiply(2, np.arcsin(np.sqrt(a)))

    return c*r

Generar dataframe con valores aleatorios similares:

lat = np.random.uniform(3.41, 3.42, 10)
lon = np.random.uniform(-76.53, -76.54, 10)

n=10
range_end = (10**n)-1
range_start = 10**(n-1)
codigos = np.random.randint(low=range_start,high=range_end,size=10)

df = pd.DataFrame(data = zip(codigos,lat,lon),columns=['codigo','latitud','longitud'])

El df generado:

codigo latitud longitud
1442332394 3.419911 -76.537958
6549173149 3.418448 -76.534734
1421383833 3.411320 -76.536033
7294226367 3.410781 -76.539065
2255690678 3.410284 -76.537815
2123153137 3.410236 -76.533521
9523594100 3.415621 -76.533819
4416155522 3.412395 -76.536306
7566662267 3.413345 -76.531701
6054506402 3.418029 -76.536766

Ahora podemos hacer la iteración por código, y evaluar cada coordenada con la del código en cuestión. La parte de pandas estoy seguro que se puede optimizar Definimos un dataframe resultante, que es el que va a tener todos los registros analizados con la distancia y el codigo asociado a las coordenadas consultadas

df_result = pd.DataFrame([])
for codigo in codigos:
    print(codigo)
    #Tomamos todos los valores menos el codigo a buscar
    aux = df[df['codigo']!=codigo]
    #Tomamos el código a buscar
    row = df[df['codigo']==codigo]
    #Asignamos una columna con el valor del código para tener en la misma fila el código consultado.
    aux['codigo_consultado'] = codigo
    
    #definimos la columna distancia en la que vamos a asignar el resultado de haber aplicado la función al df.
    aux['distancia'] = aux.apply(lambda fila: haversine(row.longitud.iloc[0],
                                                    row.latitud.iloc[0],
                                                    fila['longitud'],
                                                    fila['latitud']),
                             axis=1)
    #Agregamos el dataframe reducido a nuestro dataframe resultante.
    df_result = df_result.append(aux)

Llegando al resultado final: df_result.head(10)

codigo latitud longitud codigo_consultado distancia
6549173149 3.418448 -76.534734 1442332394 0.393083
1421383833 3.411320 -76.536033 1442332394 0.978876
7294226367 3.410781 -76.539065 1442332394 1.022680
2255690678 3.410284 -76.537815 1442332394 1.070568
2123153137 3.410236 -76.533521 1442332394 1.183179
9523594100 3.415621 -76.533819 1442332394 0.662264
4416155522 3.412395 -76.536306 1442332394 0.855656
7566662267 3.413345 -76.531701 1442332394 1.007600
6054506402 3.418029 -76.536766 1442332394 0.247596
1442332394 3.419911 -76.537958 6549173149 0.393083
1
  • Hola Lucas. Mil y Mil gracias por la ayuda, si es justamente lo que requiero hacer. De nuevo mil gracias el 28 ene. 2022 a las 12:25

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.