如何在 Python 中有效計算數百萬個資料點的半正矢距離？

使用Numpy 向量化在Python/Pandas 中進行快速半正弦逼近

在處理涉及緯度和經度座標的數百萬個在數據點時，使用以下方法計算距離半正矢公式可能非常耗時。本文提供了Haversine函數的向量化Numpy實現，以顯著提高效能。

原始Haversine函數：

原始Haversine函數是用Python寫的：

向量化函數Numpy

向量化Numpy 實作利用了Numpy 最佳化的陣列運算：

效能比較：

效能比較：

效能比較：

向量立即處理數百萬個輸入點。例如，考慮隨機產生的值：

使用原始 Python 函數需要花費大量時間的計算會立即完成。 結論：使用 Numpy 對 Haversine 函數進行向量化可以顯著提高大型資料集的效能。 Numpy 優化的陣列運算可以有效處理多個資料點，減少計算開銷並加快距離計算。這種優化使得對大規模資料集執行即時地理空間分析成為可能。

以上是如何在 Python 中有效計算數百萬個資料點的半正矢距離？的詳細內容。更多資訊請關注PHP中文網其他相關文章！