haversine_distances

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

Вычислить расстояние Хаверсина между образцами в X и Y.

Расстояние Хаверсина (или расстояние по большому кругу) — это угловое расстояние между двумя точками на поверхности сферы. Первая координата каждой точки предполагается широтой, вторая — долготой, заданной в радианах. Размерность данных должна быть 2.

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

Параметры:

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

Массив признаков.

Y{array-like, sparse matrix} формы (n_samples_Y, 2), по умолчанию=None

Необязательный второй массив признаков. Если None, использует Y=X.

Возвращает:

расстоянияndarray формы (n_samples_X, n_samples_Y)

Матрица расстояний.

Примечания

Поскольку Земля почти сферическая, формула гаверсинуса даёт хорошее приближение расстояния между двумя точками на поверхности Земли с ошибкой менее 1% в среднем.

Примеры

Мы хотим рассчитать расстояние между аэропортом Эсейса (Буэнос-Айрес, Аргентина) и аэропортом Шарль-де-Голль (Париж, Франция).

>>> 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  # multiply by Earth radius to get kilometers
array([[    0.        , 11099.54035582],
       [11099.54035582,     0.        ]])