python - 地理分箱 - 地理边界内的平均值

通过 0.1 m * 0.1 m 面积轻松解决平均数据为此，您必须将纬度，经度坐标转换为x，y坐标。在这里，我使用模块：utmx,y,_,_ = utm.from_latlon(latitude, longitude) 之后，您可以创建一个新列，以分米为单位表示x，y坐标：def apply_fun (raw):    x,y,_,_ = utm.from_latlon(raw['Lat'],raw['Long'])     return str(np.round(x*10))+"|"+str(np.round(y*10))然后将其添加到您的数据帧：x = df.apply(lambda row : apply_fun(row),axis=1)df.insert(3,'Group',x)并应用 groupby 函数：gdf = df.groupby(['Group']).agg({"Lat":["mean"],"Long":["mean","count"],"val":["mean"]})gdf = gdf.reset_index().drop(columns=['Group'],level=0)gdf.columns = [' '.join(col) for col in gdf.columns]我们完成了！:)上一个解决方案的泛化要按 k1 米 * k2 米面积对数据进行分组，只需修改此函数：def apply_fun (raw):    x,y,_,_ = utm.from_latlon(raw['Lat'],raw['Long'])     return str(np.round(x/k1))+"|"+str(np.round(y/k2)) 对先前解决方案的批评正如我之前指出的那样，为了解决这个问题，我们必须将纬度，long转换为x，y坐标。在前面的解决方案中，我将纬度，经度转换为utm坐标。utm系统是一个制图投影，将地球划分为120个区域：60个北部和60个南部。因此，当我们这样做时：x,y,area_number,NS = utm.from_latlon(raw['Lat'],raw['Long'])(x,y)是我们在该地区的位置。我们可以得出结论，当我们的传感器位于同一UTM区域时，我们的解决方案才有效。(area_number,NS)我们还可以使用 ECEF 转换进行此转换，该转换直接将纬度，经度转换为 x，y 坐标。我不知道这些方法的精度，由于我们被要求精确到十分之一米，我更喜欢选择看起来更准确的utm转换。如果要使用 ECEF 方法，请按如下方式完成：import pyprojdef gps_to_ecef_pyproj(lat, lon, alt):    ecef = pyproj.Proj(proj='geocent', ellps='WGS84', datum='WGS84')    lla = pyproj.Proj(proj='latlong', ellps='WGS84', datum='WGS84')    x, y, z = pyproj.transform(lla, ecef, lon, lat, alt, radians=False)    return x, y, zx,y,z = gps_to_ecef_pyproj(raw['Lat'],raw['Long'],0)（我从这里获取代码：https://gis.stackexchange.com/questions/230160/converting-wgs84-to-ecef-in-python)

python - 地理分箱 - 地理边界内的平均值

1回答