haversine_distances

sklearn.metrics.pairwise.haversine_distances(X, Y=None)

计算样本X和Y之间的Haversine距离。

Haversine（或大圆）距离是球体表面两点之间的角距离。每个点的第一个坐标假定为纬度，第二个坐标为经度，以弧度表示。数据的维度必须为2。

\[D(x, y) = 2rcsin[\sqrt{\sin^2((x_{lat} - y_{lat}) / 2) + \cos(x_{lat})\cos(y_{lat}) sin^2((x_{lon} - y_{lon}) / 2)}]\]

Parameters:

X{array-like, sparse matrix}，形状为(n_samples_X, 2)

一个特征数组。

Y{array-like, sparse matrix}，形状为(n_samples_Y, 2)，默认=None

一个可选的第二个特征数组。如果为 None ，则使用 Y=X 。

Returns:

distancesndarray，形状为(n_samples_X, n_samples_Y)

距离矩阵。

Notes

由于地球近似于球体，Haversine公式提供了地球表面两点之间距离的良好近似，平均误差小于1%。

Examples

我们想计算埃塞萨国际机场（布宜诺斯艾利斯，阿根廷）和戴高乐机场（巴黎，法国）之间的距离。

>>> from sklearn.metrics.pairwise import haversine_distances
>>> from math import radians
>>> bsas = [-34.83333, -58.5166646]
>>> paris = [49.0083899664, 2.53844117956]
>>> bsas_in_radians = [radians(_) for _ in bsas]
>>> paris_in_radians = [radians(_) for _ in paris]
>>> result = haversine_distances([bsas_in_radians, paris_in_radians])
>>> result * 6371000/1000  # 乘以地球半径以获得公里数
array([[    0.        , 11099.54035582],
       [11099.54035582,     0.        ]])