在其他数据帧中查找最近的点（有很多数据）

Question

问题很简单，我有两个DataFrame：

• 一个拥有9万套公寓的公寓及其纬度/经度

• 和一家拥有3000家药房的商店及其经度/纬度

而且我想为我所有的公寓创建一个新变量：'最近药房的距离'

为此，我尝试了两种方法花费很多时间：

[First method：我创建了一个矩阵，其中我的公寓排成一行，我的药房成列，在相交处之间的距离，之后我只取矩阵的最小值，得到一个列向量为90 000值

我只对numpy使用double：

m,n=len(result['latitude']),len(pharma['lat'])
M = np.ones((m,n))
for i in range(m):
     for j in range(n):
        if (result['Code departement'][i]==pharma['departement'][j]):
            M[i,j] =(pharma['lat'][j]-result['latitude'][i])**2+(pharma['lng'][j]-result['longitude'] [i])**2

ps：我知道纬度/经度的公式错误，但公寓位于同一区域，因此是很好的替代方法

第二种方法：我使用了本主题的解决方案（它们是相同的问题，但数据较少）https://gis.stackexchange.com/questions/222315/geopandas-find-nearest-point-in-other-dataframe

我使用了geopandas等最接近的方法：

from shapely.ops import nearest_points
pts3 = pharma.geometry.unary_union


def near(point, pts=pts3):
     nearest = pharma.geometry == nearest_points(point, pts)[1]
     return pharma[nearest].geometry.get_values()[0]

appart['Nearest'] = appart.apply(lambda row: near(row.geometry), axis=1)

而且正如我所说，这两种方法都花费太多时间，在运行我的PC /笔记本电脑一小时后崩溃了，它失败了。

我最后的问题：

您有优化的方法来加快速度吗？有可能的 ？如果已经进行了优化，我将购买另一台PC，但要使PC具备如此快速计算能力的条件是什么？

问题很简单，我有两个DataFrame：一个带有90 000套公寓及其纬度/经度，一个带有3000个药房及其纬度/经度，我想为...创建一个新变量...

Answer 1

我想Ball Tree是适合此任务的结构。

您可以使用scikit-learn实现，有关适合您的情况的示例，请参见下面的代码：