时间戳

首页 > 解决方案 > 如何在 Pandas 中插入纬度/经度和航向

python - 如何在 Pandas 中插入纬度/经度和航向

问题描述

描述：我有一个由三列组成的 Pandas 数据框：纬度 [-90;90]、经度 [-180;180] 和方向 [0;360]。所有列都以度为单位。索引由日期 + 时间形成，如下所示：

df = pd.DataFrame({'lat':[87,90,85,10,-40,-85,-89,-40],
                   'lon':[-150,-178,176,100,10,1,-20,-100],
                   'dir':[180,200,356,4,20,1,351,20]},
                   index = pd.to_datetime(['2019-06-17 08:29:07','2019-06-17 08:29:11', '2019-06-17 08:29:16', '2019-06-17 08:29:25', '2019-06-17 08:29:33', '2019-06-17 08:29:40', '2019-06-17 08:29:48', '2019-06-17 08:29:57']))

这是它的样子：

                     lat  lon  dir
2019-06-17 08:29:07   87 -150  180
2019-06-17 08:29:11   90 -178  200
2019-06-17 08:29:16   85  176  356
2019-06-17 08:29:25   10  100    4
2019-06-17 08:29:33  -40   10   20
2019-06-17 08:29:40  -85    1    1
2019-06-17 08:29:48  -89  -20  351
2019-06-17 08:29:57  -40 -100   20

目标：我的目标是在索引之间添加缺失的日期时间，并在缺失的坐标和角度之间执行插值（例如线性）。我能够像这样添加缺少的日期：

idx = pd.to_datetime(pd.date_range(df.index[0], df.index[-1], freq='s').strftime('%Y-%m-%d %H:%M:%S'))
df  = df.reindex(idx, fill_value='NaN')

                     lat   lon  dir
2019-06-17 08:29:07   87  -150  180
2019-06-17 08:29:08  NaN   NaN  NaN
2019-06-17 08:29:09  NaN   NaN  NaN
2019-06-17 08:29:10  NaN   NaN  NaN
2019-06-17 08:29:11   90  -178  200
2019-06-17 08:29:12  NaN   NaN  NaN
2019-06-17 08:29:13  NaN   NaN  NaN
...................  ...   ...  ...
2019-06-17 08:29:55  NaN   NaN  NaN
2019-06-17 08:29:56  NaN   NaN  NaN
2019-06-17 08:29:57  -40  -100   20

为了实现我的目标，我尝试使用 pandas 函数pandas.Series.interpolate但没有成功，因为它没有考虑到 -180 之间的角度“跳跃”；经度为 180 度，方向为 360 到 0 之间的“跳跃”。

问题：您能否提供一种聪明而优雅的方法来实现这种插值，以便考虑到它们范围限制之间的那些跳跃？

注意：这里有一个更清楚的例子（-176 和 176 之间的插值）：-176,-177,-178,-179,-180/180,179,178,177,176？

标签： pythonpandasinterpolationlatitude-longitudeangle

解决方案

这是我的问题的答案：

df['dir'] = np.rad2deg(np.unwrap(np.deg2rad(df['dir'])))
df['lat'] = np.rad2deg(np.unwrap(np.deg2rad(df['lat'])))
df['lon'] = np.rad2deg(np.unwrap(np.deg2rad(df['lon'])))

df  = df.reindex(idx, fill_value=np.nan)
df.reset_index(drop=False, inplace=True)
df = df.interpolate()#pd.merge(left=pd.DataFrame({'index':idx}), right=df, on='index', how='left').interpolate()

df[['lat','lon','dir']] %= 360

推荐阅读