（在说正事之前，我要推荐一个福利：你还在原价购买阿里云、腾讯云、华为云服务器吗？那太亏啦！来这里，新购、升级、续费都打折，能够为您省60%的钱呢！2核4G企业级云服务器低至69元/年，点击进去看看吧>>>)

 一、前言

大家好，我是崔艳飞。工作中有时需要把A表中的经纬度点，从B表中匹配一个最近的点出来，用Mapinfo也可以实现，但处理速度慢，特别是数据量大时根本处理不动，此时用Python就能轻松实现，还能显示处理进度，详细如下。

二、项目目标

用Python实现两张表间最近点的计算。

三、项目准备

软件：PyCharm

需要的库：pandas， xlrd，os

四、项目分析

1)如何选择并读取要处理的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。

本文转载自网络，原文链接：https://mp.weixin.qq.com/s/bTnO13la_4GjiHk1-5bWHQ