sklearn.metrics.pairwise.haversine_distances¶
sklearn.metrics.pairwise.haversine_distances(X, Y=None)
计算X和Y中样本之间的Haversine（半正矢）距离
Haversine（或大圆）距离是球体表面上两点之间的角距离。 假定每个点的第一个距离为纬度，第二个为经度，以弧度为单位。数据的维数必须为2。
| 参数 | 说明 |
|---|---|
| X | array_like, shape (n_samples_1, 2) |
| Y | array_like, shape (n_samples_2, 2), optional |
| 返回值 | 说明 |
|---|---|
| distance | {array}, shape (n_samples_1, n_samples_2) |
注
由于地球几乎是球形的，因此Haversine公式可以很好地近似地球表面两点之间的距离，平均误差小于1％。
示例
我们要计算Ezeiza机场（阿根廷布宜诺斯艾利斯）和戴高乐机场（法国巴黎）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 # multiply by Earth radius to get kilometers
array([[ 0. , 11099.54035582],
[11099.54035582, 0. ]])
