我有一个数据帧（pd），其中每一行包含一堆测量值以及latitude和longitude值。如果需要，我可以将其转换为geopandas点。
从此数据框中，我只选择从新的给定纬度/经度到特定（例如1公里）半径内的行。
是否有解决此问题的明智方法？
这是来自df的数据样本：
id . lat . long . polution . label
----------------------------------------
3 . 45.467. -79.51 . 7 . 'nice'
7 . 45.312. -79.56 . 8 . 'mediocre'
样本经度/纬度应为lat = 45.4和long = -79.5。
这里是一个工作代码示例。首先创建一个函数来计算您的距离。我实现了一个简单的距离计算，但是我建议您觉得最有用的方法。接下来，您可以将DataFrame子集到所需距离之内。
#Initialize DataFrame
df=pd.DataFrame(columns=['location','lat','lon'])
df['location']=['LA','NY','LV']
df['lat']=[34.05,40.71,36.16]
df['lon']=[-118.24,-74.00,-115.14]
#New point Reno 39.53,-119.81
newlat=39.53
newlon=-119.81
#Import trig stuff from math
from math import sin, cos, sqrt, atan2,radians
#Distance function between two lat/lon
def getDist(lat1,lon1,lat2,lon2):
R = 6373.0
lat1 = radians(lat1)
lon1 = radians(lon1)
lat2 = radians(lat2)
lon2 = radians(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))
return R * c
#Apply distance function to dataframe
df['dist']=list(map(lambda k: getDist(df.loc[k]['lat'],df.loc[k]['lon'],newlat,newlon), df.index))
#This will give all locations within radius of 600 km
df[df['dist']<600]
您可以使用以下算法：
根据输入数据（pd数据框）创建地理数据框（gdfdata）
创建另一个地理数据框（gdfsel），使其具有选择的中心点
围绕中心点创建缓冲区（从gdfselbuff生成gdfsel从中进行选择
使用geopandas的within方法在其中查找点。例如。 gdf_within =
gdfdata.loc[gdfdata.geometry.within(gdfselbuff.unary_union)]
要制作缓冲区，您可以使用GeoSeries.buffer(distance, resolution))。请参阅这些链接以供参考。