地理位置和经纬度坐标之间如何转换？ Python 教你批量实现

本文转载自微信公众号「小张Python」，地理作者zeroing。位置纬度转载本文请联系小张Python公众号。和经何转换   

做地图可视化时需要提供经纬度坐标，坐标之间但一般来说我们手上拿到的批量通常只有地理位置，比如说 北京市东大街302号狗不理包子店，实现可视化之前需经纬度坐标转换

需要转换的地理数据如果仅有几个还好，可以直接借助谷歌地图自带经纬度查询手动转换，位置纬度但真实场景下需要转换的和经何转换数据量可能要上百甚至上千，再手动的坐标之间话就比较头疼了

如何将地理位置批量转化为经纬度坐标?本文将针对这个问题，介绍两个用 Python 来实现的批量方法

1，调用第三方 API

最常见办法就是实现调用第三方 API，例如百度、地理高德地图等服务平台，位置纬度提供了相应的和经何转换功能接口，它们的这类技术已经非常成熟啦，准确稳定，关键还是免费的 ~，本期教程以百度为例(高德的用方类似)，介绍一下其用法

1.1，用百度账号登陆百度地图控制台

百度地图开放平台

1.2，创建一个应用，获取 AK 参数

登录控制台之后，b2b信息网选择左侧 应用管理-> 我的应用 -> 创建应用

创建应用页面中有三项信息需要填写

应用名称，无限制随意填写即可; 应用类型 ，选择服务端; IP 白名单，只是个人简单测试的话0.0.0.0/0 即可，如果考虑安全问题， 可以将自己的 IP 填进去， AK 参数泄露的话非本机 IP 无法访问，这样也不用担心额度被其他用户盗用

1.3，地理编码、逆地理编码

经纬度地理位置根据转换方向分为两类，接下来我们分别演示一下其用法：

地理编码：将地理地址转换为坐标点(经纬度); 逆地理编码，将经纬度转化为地理地址;

1.3.1 地理编码，

下面就是 Python 测试代码块，将 AK 参数(前面申请到的)和你需要转换的地理位置拼接到 官方提供的 url 中，用 requests 访问即可，

import requests import json import re AK = 你的AK address =北京市海淀区上地十街10号 url = http://api.map.baidu.com/geocoding/v3/?address={ }&output=json&ak={ }&callback=showLocation.format(address,AK) res = requests.get(url) print(res.text) results = json.loads(re.findall(r\((.*?)\),res.text)[0]) print(\n) print(location is ,results[result][location]) 

输出结果如下

showLocation&&showLocation({ "status":0,"result":{ "location":{ "lng":116.3084202915042,"lat":40.05703033345938},"precise":1,"confidence":80,"comprehension":100,"level":"门址"}})  location is  { lng: 116.3084202915042, lat: 40.05703033345938} 

1.3.2 逆地理编码

逆地理编与地理编码用法相似

lat = 40.05703033345938 lng = 116.3084202915042 AK = 你的AK url = http://api.map.baidu.com/reverse_geocoding/v3/?ak={ }&output=json&coordtype=wgs84ll&location={ },{ }.format(AK,lat,lng) res = requests.get(url) print(res.text) address = json.loads(res.text)[result][formatted_address] print(\n) print(address is ,address) 

像我们这类免(bai) 费 piao) 用户，借助百度 API 每天最高可调用 6000 次，这个量级基本上能满足我们日常需要，但如果这个数量满足不了你的话，可以在线购买更高的使用额度

2，香港云服务器Geopy

2.1 Geopy 库介绍

这里介绍一个Python 包 Geopy ，借助它也可以实现经纬度地理位置转换，

这款包之经纬度转换原理其实还是借助了第三方 API 平台，因为市面上提供经纬度转换 第三方平台很多，为了方便， Geopy 把这些接口都分别封装在一个类中，借助 Geopy 模块来调用，支持的第三放平台如下

Geopy作为一个专注于地理处理包之外， 除了能实现上面地理编码、逆地理编码功能之外，还有一个其它令我经验的功能， 提供两个经纬度坐标，计算他们在地球上的最短距离

下面将介绍一下 Geopy 的具体用法，

2. 2 地理编码

使用 地理编码功能时，需要借助 Geopy 的 geocoders 模块，Geopy 把所有第三方API封装到 geocoders 中

这里选用 OpenStreetMap 平台上提供的 Nominatim 地理编码器，因为可以免费供我们使用，不需要申请 API ，但缺点是限流，限额，不能大规模频繁访问，否则会返回 403，429错误代码

from geopy.geocoders import Nominatim geolocator=Nominatim() location= geolocator.geocode("北京市海淀区西二旗北路") print(location.address) print(location.latitude,location.longitude) 

结果如下

西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国 40.056793 116.305811 

2.3 逆地理编码

from geopy.geocoders import Nominatim geolocator=Nominatim() location= geolocator.reverse("40.056793 116.305811") print(location.address) 

结果如下

1#, 西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国 

结果看起来还不错，简单方便;但提醒一下，因为前面说过 Nominatim 模块是亿华云限额度的，不要频繁访问，否则会出现以下错误

2.4 根据经纬度计算距离

Geopy 最让我惊喜的是这个用法，提供两个经纬度坐标计算他们之间的距离，因为地球具体来说是椭圆，所以不能按照常规方法来计算 ，目前现有比较流行的几个模型有以下几个

model             major (km)   minor (km)     flattening WGS-84:        (6378.137,    6356.7523142,  1 / 298.257223563), GRS-80:        (6378.137,    6356.7523141,  1 / 298.257222101), Airy (1830):   (6377.563396, 6356.256909,   1 / 299.3249646), Intl 1924:     (6378.388,    6356.911946,   1 / 297.0), Clarke (1880): (6378.249145, 6356.51486955, 1 / 293.465), GRS-67:        (6378.1600,   6356.774719,   1 / 298.25), } 

根据官方介绍，官网选择的是 WGS-84 模型，根据统计最终计算到的距离误差最高在0.5%左右;使用方法如下

from geopy import distance newport_ri = (41.49008, -71.312796) cleveland_oh = (41.499498, -81.695391) print(distance.distance(newport_ri, cleveland_oh).miles)#最后以英里单位输出 #output 538.39044536 wellington = (-41.32, 174.81) salamanca = (40.96, -5.50) print(distance.distance(wellington, salamanca).km)# 以 km 作为单位输出 19959.6792674 

3 批量地址坐标转换

上面聊了这么多知识点，下面引入一个案例来简单回顾一下;本案例中借助百度API 来实现地理位置坐标转换，把一个 csv 表格内的所有地址位置数据批量转换为经纬度

3.1 数据读取

import pandas as pd import string data_path = H:/Data/Latlon/map-location.csv df = pd.read_csv(data_path,encoding=GB18030) df 

一共有 98 条数据，每条数据都表示一个地理位置;数据明显有一些扰乱项，例如左端的数字字符、以及数据中的分隔符\t;因此转换之前需要对数据进行一次预处理操作

3.2 数据预处理

def process_str(x):     # 数据预处理，去掉前面的数字、及字符串中 \t     x = str(x).replace(\t,)     x = str(x).strip(string.digits)     return x  df[location]  = df[location].apply(process_str) df 

预处理结果如下

3.3 地理编码(经纬度转换)

import time start = time.time() AK = 你的AK def get_location(str1):     # 获取经纬度坐标     url = http://api.map.baidu.com/geocoding/v3/?address={ }&output=json&ak={ }&callback=showLocation.format(str1,AK)     res = requests.get(url)     results = json.loads(re.findall(r\((.*?)\),res.text)[0])     return (results[result][location][lat],results[result][location][lng]) df[(lat,lng)] = df[location].apply(get_location) print(耗时 { }s.format(time.time()-start)) print(df) 

为了测试转换效率，这里我加了一个计时器;98 条数据成功转换后共耗时 4.65s 左右，效率还不错，要比 Geopy 优秀得多，

3.5 案例源码数据

我已经把本案例中用到代码的数据打包再一起了，感兴趣的可以在公号后台回复关键字：210418 ，即可获取!

4. 小结

上面介绍了这么多，最后做个小结;聊一下这两种方法在 地理坐标转换方面 各自的优势和劣势

第三方API

优势：地理编码、逆编码比较准确，精度高;且支持高并发; 劣势：不支持国外，环境配置较为复杂;

Geopy (用 Nominatim 模块的话)

优势：简单方便，上手快;支持国外地理编码 劣势：不支持并发访问、效率低且精度较低;

这里给大家一个建议，如果地址数据在国内的话 经纬度转换 建议用第三方 API，稳定且准确;若是涉及下纬度距离计算、单位换算或地址数据在国外，建议用 Geopy

好了，以上就是本篇文章的全部内容啦，如果对你有所帮助，点个赞是对我最大的鼓励

很赞哦!（328）