一、手把手教前言

大家好，代M的点我是更快崔艳飞。工作中有时需要把A表中的查找经纬度点，从B表中匹配一个最近的两张点出来，用Mapinfo也可以实现，表中但处理速度慢，距离特别是最近数据量大时根本处理不动，此时用Python就能轻松实现，手把手教还能显示处理进度，代M的点详细如下。更快

二、查找项目目标

用Python实现两张表间最近点的两张计算。

三、表中项目准备

软件：PyCharm

需要的距离库：pandas， xlrd，os

四、项目分析

1)如何选择并读取要处理的高防服务器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 pd import xlrd import 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云服务器提供商数据

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() 

六、效果展示

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。