如何用Python实现地理位置和经纬度坐标之间的转换 ，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

创新互联建站是一家集网站建设,越城企业网站建设,越城品牌网站建设,网站定制,越城网站建设报价,网络营销,网络优化,越城网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。

做地图可视化时需要提供经纬度坐标，但一般来说我们手上拿到的通常只有地理位置，比如说 北京市东大街302号狗不理包子店，可视化之前需经纬度坐标转换

需要转换的数据如果仅有几个还好，可以直接借助谷歌地图自带经纬度查询手动转换，但真实场景下需要转换的数据量可能要上百甚至上千，再手动的话就比较头疼了

如何将地理位置批量转化为经纬度坐标?将针对这个问题，介绍两个用 Python 来实现的方法

1，调用第三方 API

最常见办法就是调用第三方 API，例如百度、高德地图等服务平台，提供了相应的功能接口，它们的这类技术已经非常成熟啦，准确稳定，关键还是免费的  ~，本期教程以百度为例(高德的用方类似)，介绍一下其用法

1.1，用百度账号登陆百度地图控制台

百度地图开放平台

1.2，创建一个应用，获取 AK 参数

登录控制台之后，选择左侧 应用管理-> 我的应用 -> 创建应用

创建应用页面中有三项信息需要填写

• 应用名称，无限制随意填写即可;

• 应用类型 ，选择服务端;

• IP 白名单，只是个人简单测试的话0.0.0.0/0 即可，如果考虑安全问题， 可以将自己的 IP 填进去， AK 参数泄露的话非本机 IP  无法访问，这样也不用担心额度被其他用户盗用

1.3，地理编码、逆地理编码

经纬度地理位置根据转换方向分为两类，接下来我们分别演示一下其用法：

• 地理编码：将地理地址转换为坐标点(经纬度);

• 逆地理编码，将经纬度转化为地理地址;

1.3.1 地理编码，

下面就是 Python 测试代码块，将 AK 参数(前面申请到的)和你需要转换的地理位置拼接到 官方提供的 url 中，用 requests  访问即可，

import requests import json import re  AK = '你的AK' address ='北京市海淀区上地十街10号' url = 'http://api.map.baidu.com/geocoding/v3/?address={}&output=json&ak={}&callback=showLocation'.format(address,AK) res = requests.get(url)  print(res.text) results = json.loads(re.findall(r'\((.*?)\)',res.text)[0])  print('\n') print('location is ',results['result']['location'])

输出结果如下

showLocation&&showLocation({"status":0,"result":{"location":{"lng":116.3084202915042,"lat":40.05703033345938},"precise":1,"confidence":80,"comprehension":100,"level":"门址"}})   location is  {'lng': 116.3084202915042, 'lat': 40.05703033345938}

1.3.2 逆地理编码

逆地理编与地理编码用法相似

lat = '40.05703033345938' lng = '116.3084202915042' AK = '你的AK'   url = 'http://api.map.baidu.com/reverse_geocoding/v3/?ak={}&output=json&coordtype=wgs84ll&location={},{}'.format(AK,lat,lng)  res = requests.get(url)  print(res.text) address = json.loads(res.text)['result']['formatted_address']  print('\n') print('address is ',address)

像我们这类免(bai) 费 piao) 用户，借助百度 API 每天最高可调用 6000  次，这个量级基本上能满足我们日常需要，但如果这个数量满足不了你的话，可以在线购买更高的使用额度

2，Geopy

2.1 Geopy 库介绍

这里介绍一个Python 包 Geopy ，借助它也可以实现经纬度地理位置转换，

这款包之经纬度转换原理其实还是借助了第三方 API 平台，因为市面上提供经纬度转换 第三方平台很多，为了方便， Geopy  把这些接口都分别封装在一个类中，借助 Geopy 模块来调用，支持的第三放平台如下

Geopy作为一个专注于地理处理包之外， 除了能实现上面地理编码、逆地理编码功能之外，还有一个其它令我经验的功能，  提供两个经纬度坐标，计算他们在地球上的最短距离

下面将介绍一下 Geopy 的具体用法，

2. 2 地理编码

使用 地理编码功能时，需要借助 Geopy 的 geocoders 模块，Geopy 把所有第三方API封装到 geocoders 中

这里选用 OpenStreetMap 平台上提供的 Nominatim 地理编码器，因为可以免费供我们使用，不需要申请 API  ，但缺点是限流，限额，不能大规模频繁访问，否则会返回 403，429错误代码

from geopy.geocoders import Nominatim geolocator=Nominatim() location= geolocator.geocode("北京市海淀区西二旗北路") print(location.address) print(location.latitude,location.longitude)

结果如下

西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国 40.056793 116.305811

2.3 逆地理编码

from geopy.geocoders import Nominatim geolocator=Nominatim() location= geolocator.reverse("40.056793 116.305811") print(location.address)

结果如下

1#, 西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国

结果看起来还不错，简单方便;但提醒一下，因为前面说过 Nominatim 模块是限额度的，不要频繁访问，否则会出现以下错误

2.4 根据经纬度计算距离

Geopy 最让我惊喜的是这个用法，提供两个经纬度坐标计算他们之间的距离，因为地球具体来说是椭圆，所以不能按照常规方法来计算  ，目前现有比较流行的几个模型有以下几个

model             major (km)   minor (km)     flattening 'WGS-84':        (6378.137,    6356.7523142,  1 / 298.257223563), 'GRS-80':        (6378.137,    6356.7523141,  1 / 298.257222101), 'Airy (1830)':   (6377.563396, 6356.256909,   1 / 299.3249646), 'Intl 1924':     (6378.388,    6356.911946,   1 / 297.0), 'Clarke (1880)': (6378.249145, 6356.51486955, 1 / 293.465), 'GRS-67':        (6378.1600,   6356.774719,   1 / 298.25), }

根据官方介绍，官网选择的是 WGS-84 模型，根据统计最终计算到的距离误差最高在0.5%左右;使用方法如下

from geopy import distance newport_ri = (41.49008, -71.312796) cleveland_oh = (41.499498, -81.695391) print(distance.distance(newport_ri, cleveland_oh).miles)#最后以英里单位输出  #output 538.39044536  wellington = (-41.32, 174.81) salamanca = (40.96, -5.50) print(distance.distance(wellington, salamanca).km)# 以 km 作为单位输出 19959.6792674

3 批量地址坐标转换

上面聊了这么多知识点，下面引入一个案例来简单回顾一下;本案例中借助百度API 来实现地理位置坐标转换，把一个 csv  表格内的所有地址位置数据批量转换为经纬度

3.1 数据读取

import pandas as pd import string data_path = 'H:/Data/Latlon/map-location.csv' df = pd.read_csv(data_path,encoding='GB18030') df

一共有 98  条数据，每条数据都表示一个地理位置;数据明显有一些扰乱项，例如左端的数字字符、以及数据中的分隔符\t;因此转换之前需要对数据进行一次预处理操作

3.2 数据预处理

def process_str(x):     # 数据预处理，去掉前面的数字、及字符串中 \t     x = str(x).replace('\t','')     x = str(x).strip(string.digits)     return x  df['location']  = df['location'].apply(process_str) df

预处理结果如下

3.3 地理编码(经纬度转换)

import time start = time.time() AK = '你的AK' def get_location(str1):     # 获取经纬度坐标     url = 'http://api.map.baidu.com/geocoding/v3/?address={}&output=json&ak={}&callback=showLocation'.format(str1,AK)     res = requests.get(url)     results = json.loads(re.findall(r'\((.*?)\)',res.text)[0])     return (results['result']['location']['lat'],results['result']['location']['lng']) df['(lat,lng)'] = df['location'].apply(get_location) print('耗时 {}s'.format(time.time()-start)) print(df)

为了测试转换效率，这里我加了一个计时器;98 条数据成功转换后共耗时 4.65s 左右，效率还不错，要比 Geopy 优秀得多，

3.5 案例源码数据

我已经把本案例中用到代码的数据打包再一起了，感兴趣的可以在公号后台回复关键字：210418 ，即可获取!

上面介绍了这么多，最后做个小结;聊一下这两种方法在 地理坐标转换方面 各自的优势和劣势

第三方API

• 优势：地理编码、逆编码比较准确，精度高;且支持高并发;

• 劣势：不支持国外，环境配置较为复杂;

Geopy (用 Nominatim 模块的话)

• 优势：简单方便，上手快;支持国外地理编码

• 劣势：不支持并发访问、效率低且精度较低;

这里给大家一个建议，如果地址数据在国内的话 经纬度转换 建议用第三方 API，稳定且准确;若是涉及下纬度距离计算、单位换算或地址数据在国外，建议用  Geopy

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。

网站栏目：如何用Python实现地理位置和经纬度坐标之间的转换
分享链接：http://scyanting.com/article/gdgops.html