基于与变量的接近度匹配数据集

Question

我有两个 csv 数据集，我正在尝试将它们合并在一起。第一个数据集包含非传统的城市名称（即：曼哈顿或皇后区，应该是纽约）及其纬度/经度。第二个数据集包含常规城市名称及其纬度/经度数据。我需要将这两个数据集合并在一起，以便数据集 1 中的非常规城市名称与基于最接近的纬度/经度接近度的传统城市名称（数据集 2）相匹配。

有人可以指导我如何编程这个问题吗？

谢谢

数据集 1 样本：

city state latitude longitude
Manhattan NY 42.436503 -71.608599
Long Island NY 54.266667 -6.916667
East Los Angeles CA 56.2 10.683333

数据集 2 示例：

city state latitude longitude
New York NY 40.75 -74
Los Angeles CA 33.97 -118.24

结果数据集 1：

city state latitude longitude new_city
Manhattan NY 42.436503 -71.608599 New York
Long Island NY 54.266667 -6.916667 New York
East Los Angeles CA 56.2 10.683333 Los Angeles

Answer 1

非常简单当你有他们的坐标时计算两点之间的距离 (see here)。 你也可以使用GeoPy。

因此，如果您的数据集不是太大，您可以只计算第一个和第二个数据框中城市之间的距离，并保持两个城市之间的距离最短。

您已经可以按状态过滤以避免为每个元组计算这些距离。