最近站点搜索sklearn

1、指定距离范围，按距离范围搜索全量的站点；2、指定搜索的个数N，将最近的N个站点搜索出来。

利用kd_tree算法快速实现：
1、按范围搜索：可采用RadiusNeighborsClassifier；
2、按数量搜索：可采用KNeighborsClassifier；

针对以下点位a，点位b；找出点位a的最近站点。


实现代码如下：

from sklearn.neighbors import KNeighborsClassifier as Knn
from sklearn.neighbors import RadiusNeighborsClassifier as Rnn
from math import *
import pandas as pd

def calculate_distance(lon1, lat1, lon2, lat2):
    lon1, lat1, lon2, lat2 = map(radians, [float(lon1), float(lat1), float(lon2), float(lat2)])
    d_lon, d_lat = lon2 - lon1, lat2 - lat1
    am = sin(d_lat / 2) ** 2 + cos(lat1) * cos(lat2) * sin(d_lon / 2) ** 2
    distance = 2 * asin(sqrt(am)) * 6371229
    return float('%.2f' % distance)

#找出最近N个
def run_kd_tree():
    aa = pd.read_excel(path_in, sheet_name='基站a')
    aa_x = aa[['经度', '纬度']]
    bb = pd.read_excel(path_in, sheet_name='基站b')
    bb_x = bb[['经度', '纬度']]

    # y标注每条数据属于哪个类别，在这里哪种类型并不重要，所以不需要使用KNN的分类功能分类，全部标注为类别1即可
    y = [1] * len(bb_x)
    # 针对小于7维的低维数据算法采用kd_tree即可，但针对高维数据则建议采用ball_tree算法。
    knn = Knn(algorithm='kd_tree', metric='minkowski', p=2).fit(bb_x, y)

    # 最近的3个，n_neighbors=3
    distance_, points_ = knn.kneighbors(aa_x, n_neighbors=3, return_distance=True)

    result = pd.DataFrame()
    for index_value, row_value in aa.iterrows():
        a = pd.DataFrame(row_value).T
        a["nearest_point"] = index_value
        b = bb.iloc[points_[index_value]] 
        b = pd.DataFrame(b)
        b["nearest_point"] = index_value

        merge_excel = pd.merge(a, b, on="nearest_point", how="inner")
        result = result.append(merge_excel)

    result['distance_metre'] = result.apply(
        lambda x: calculate_distance(x.经度_x, x.纬度_x, x.经度_y, x.纬度_y), axis=1)
    
    result = result.drop(labels=["nearest_point"], axis=1)

    result.to_excel(r'D:\xxx经纬度信息表-结果-最近n个点.xlsx', index=None)

#找出距离范围内的所有点位
def run_rd_tree():
    aa = pd.read_excel(path_in, sheet_name='基站a')
    aa_x = aa[['经度', '纬度']]
    bb = pd.read_excel(path_in, sheet_name='基站b')
    bb_x = bb[['经度', '纬度']]

    y = [1] * len(bb_x)
    #此处需要使用自定义的距离计算方法；好处是可以直接指定100米或者300米，但代价是调用外部算法速度会稍慢；
    #如果采用内部算法（例如minkowski），速度快但无法直接指定距离，因为不同的方法对距离的度量含义不同。
    rnn = Rnn(algorithm='ball_tree', metric=lambda s1, s2: calculate_distance(*s1, *s2)).fit(bb_x, y)
    distance_, points_ = rnn.radius_neighbors(aa_x, radius=300, return_distance=True)

    # 上面结果已出来了，需要如下骚操作整理出结果。
    result = pd.DataFrame()
    for index_value, row_value in aa.iterrows():
        a = pd.DataFrame(row_value).T
        a["nearest_point"] = index_value  
        b = bb.iloc[points_[index_value]] 
        b = pd.DataFrame(b)
        b["distance_metre"] = distance_[index_value]
        b["nearest_point"] = index_value

        merge_excel = pd.merge(a, b, on="nearest_point", how="inner")
        merge_excel = merge_excel.sort_values(["distance_metre"], ascending=[1])  
        result = result.append(merge_excel)

    result['similarity'] = result.apply(
        lambda x: calculate_dif_rate(x.基站名_x, x.基站名_y), axis=1)

    result = result.drop(labels=["nearest_point"], axis=1)

    result.to_excel(r'D:\xxx经纬度信息表-结果-范围内的所有点位.xlsx', index=None)


if __name__ == '__main__':
    path_in = r'D:\excel_template_站点搜索.xlsx'
    run_kd_tree()
    run_rd_tree()