用Python转换地理经纬度数据的方法有哪些

# 用Python转换地理经纬度数据的方法有哪些

地理经纬度数据是GIS（地理信息系统）、导航、气象等领域的基础数据类型。Python凭借丰富的第三方库，成为处理地理坐标数据的利器。本文将详细介绍6种Python转换经纬度数据的方法，涵盖格式转换、坐标系转换、批量处理等场景。

---

## 一、基础格式转换

### 1. 度分秒(DMS) ↔ 十进制(DD)
**场景**：将"30°15'45\"N"格式转换为30.2625

```python
def dms_to_dd(d, m, s, direction):
    dd = d + m/60 + s/3600
    if direction in ('S', 'W'):
        return -dd
    return dd

# 示例：转换30°15'45"N
print(dms_to_dd(30, 15, 45, 'N'))  # 输出30.2625

def dd_to_dms(dd):
    d = int(dd)
    m = int((dd - d) * 60)
    s = (dd - d - m/60) * 3600
    return d, m, s

# 示例：转换30.2625
print(dd_to_dms(30.2625))  # 输出(30, 15, 45.0)

2. 字符串解析

使用正则表达式处理复杂格式：

import re

def parse_dms(dms_str):
    parts = re.split('[°\'"]+', dms_str)
    return float(parts[0]) + float(parts[1])/60 + float(parts[2])/3600

print(parse_dms('30°15\'45"N'))  # 输出30.2625

二、坐标系转换

1. WGS84 ↔ GCJ02（火星坐标系）

使用pyproj库进行精确转换：

from pyproj import Transformer

# WGS84转GCJ02
transformer = Transformer.from_crs("EPSG:4326", "EPSG:4490")
lng, lat = 116.404, 39.915
gcj_lng, gcj_lat = transformer.transform(lat, lng)
print(f"GCJ02坐标: {gcj_lng:.6f}, {gcj_lat:.6f}")

# 反向转换
transformer_rev = Transformer.from_crs("EPSG:4490", "EPSG:4326")
wgs_lng, wgs_lat = transformer_rev.transform(gcj_lat, gcj_lng)

2. 批量转换坐标系

使用geopandas处理矢量数据：

import geopandas as gpd

gdf = gpd.read_file('input.shp')
gdf = gdf.to_crs("EPSG:3857")  # 转换为Web墨卡托投影
gdf.to_file('output.shp')

三、高级库应用

1. Geopy多功能转换

from geopy.point import Point
from geopy import distance

# 创建Point对象
p = Point("30°15'45\"N 120°10'50\"E")
print(p.latitude, p.longitude)  # 30.2625, 120.180556

# 计算两点距离
p1 = (30.2625, 120.180556)
p2 = (31.2345, 121.4567)
print(distance.distance(p1, p2).km)  # 输出千米距离

2. Pyproj自定义投影

from pyproj import CRS, Transformer

# 定义Albers等面积投影
albers = CRS.from_proj4("""
    +proj=aea +lat_1=25 +lat_2=47 +lat_0=36 +lon_0=105 
    +x_0=0 +y_0=0 +ellps=WGS84 +units=m +no_defs
""")
transformer = Transformer.from_crs(4326, albers)
x, y = transformer.transform(39.9, 116.4)

四、实战案例：GPS轨迹处理

import pandas as pd
from pyproj import Transformer

# 读取GPS数据
df = pd.read_csv('gps_points.csv')

# 批量转换坐标系
transformer = Transformer.from_crs("EPSG:4326", "EPSG:32650")  # WGS84转UTM 50N
df['x'], df['y'] = transformer.transform(df['lat'], df['lng'])

# 计算移动距离
df['dist'] = ((df['x'].diff()**2 + df['y'].diff()**2)**0.5).fillna(0)
print(f"总行程距离: {df['dist'].sum():.2f}米")

五、性能优化技巧

1. 向量化操作：使用numpy数组替代循环

import numpy as np
lats = np.array([39.9, 40.0, 40.1])
lngs = np.array([116.4, 116.5, 116.6])
x, y = transformer.transform(lats, lngs)  # 批量转换

1. 并行计算：

from multiprocessing import Pool

def process_point(point):
    return transformer.transform(*point)

with Pool(4) as p:
    results = p.map(process_point, zip(lats, lngs))

六、工具推荐

结语

Python处理经纬度数据的核心在于： 1. 根据精度需求选择合适的库 2. 批量处理时注意性能优化 3. 明确数据来源的坐标系标准 4. 对关键转换步骤进行结果验证

建议在实际项目中结合PyProj+GeoPandas组合，既能保证转换精度，又能高效处理大规模空间数据。 “`

注：本文代码示例已在Python 3.8 + pyproj 3.4环境下测试通过，实际使用时请根据具体需求调整参数。对于高精度测绘场景，建议咨询专业测绘人员验证转换参数。