应优先选用geodesic，因其基于wgs-84椭球模型，精度更高、误差更小；great_circle假设地球为正球体，计算更快但误差约0.5%，适用于对性能敏感且精度要求不苛刻的场景。
Geopy 的 geodesic 和 great_circle 到底该用哪个？
计算两点地理距离时，geodesic 更准，great_circle 更快——但差别常被高估。实际项目中，除非你处理的是跨洲级导航或测绘级精度需求，否则默认选 geodesic 更稳妥。
geodesic 基于 WGS-84 椭球模型，能反映地球真实扁率；great_circle 把地球当正球体，误差在 0.5% 以内（比如北京到上海算出来差 3–5 km）。但注意：geodesic 在极地附近计算略慢，且某些旧版 Geopy（great_circle 而不报错。
- 始终显式调用
geodesic((lat1, lon1), (lat2, lon2)).kilometers，别依赖默认方法 - 如果批量计算超 10 万点对且精度要求 ≤1 km，可切到
great_circle省 20%+ 时间 - 避免混用：同一项目里不要一部分用
geodesic、一部分用distance（后者是别名，行为取决于 Geopy 版本）
坐标顺序搞反了？geodesic 会静默出错
Geopy 所有距离函数严格要求 (latitude, longitude) 顺序——不是常见的 “x,y” 或 “lon,lat”。一旦传成 (lon, lat)，结果可能完全离谱（比如 100 米的直线距离算成 8000 km），而函数不会抛异常，只会默默按错误坐标算。
典型诱因：从 GeoJSON、Leaflet 或某些 API（如 Mapbox Directions）拿到的坐标是 [lon, lat] 数组；用 pandas.read_csv 读取含经纬度的表格时列名写成 ['lng', 'lat'] 却没重排序。
- 统一用变量名明确语义：
point_a = (lat_a, lon_a)，而非point_a = (y, x) - 调试时快速验证：拿两个已知距离的点（比如同一条街上的两个地址），手动查 Google Maps 距离，再对比代码输出
- 加一层防御：写个封装函数，用
assert -90 检查输入范围
为什么 geodesic 返回对象不能直接 print？
geodesic(...) 返回的是 GeodesicDistance 实例，不是数字。直接 print(geodesic(p1, p2)) 会输出类似 123.45678901234567 km 的字符串，看着像数字，但其实是带单位的格式化文本——你没法拿它做加减或存进数据库。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
真正要用数值参与后续逻辑（比如筛选距离 .kilometers、.meters、.miles。
- 错误写法：
if geodesic(a, b) → TypeError：无法比较对象和数字 - 正确写法：
if geodesic(a, b).kilometers - 单位换算别手算：用
.miles比除以 1.609344 更可靠（内部已处理浮点精度）
批量计算性能卡顿？别用 for 循环调 geodesic
每次调 geodesic 都有固定开销（实例化、参数校验、椭球迭代），单次不明显，但循环 1 万次可能比向量化慢 5–8 倍。Geopy 本身不提供向量化接口，得靠外部工具加速。
最轻量方案是用 scipy.spatial.distance.pdist 配合 Haversine 近似（适合中短距离）；若必须用 WGS-84 精度，推荐 pyproj.Geod 替代——它原生支持数组输入，且比 Geopy 快一个数量级。
- 简单替换示例：
from pyproj import Geod; g = Geod(ellps="WGS84"); _, _, dists = g.inv(lons1, lats1, lons2, lats2) - 注意
pyproj的inv返回的是方位角 + 距离，第三项才是米制距离 - 如果已有大量 Geopy 代码，先加缓存：
@lru_cache(maxsize=10000)包裹距离函数，对重复坐标对有效
经纬度距离计算真正的坑不在公式本身，而在坐标来源混乱、单位隐式转换、以及把“看起来能跑通”的结果当成“逻辑正确”。哪怕只算两个点，也值得花 30 秒检查输入顺序和单位提取方式。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
