【Python】应用:pyproj地理计算库应用

简介: 这篇博客介绍了 `pyproj` 地理计算库的应用,涵盖地理坐标系统转换与地图投影。通过示例代码展示了如何进行经纬度与UTM坐标的互转,并利用 `pyproj.Geod` 计算两点间的距离及方位角,助力地理数据分析。安装 `pyproj`:`pip install pyproj`。更多内容欢迎关注本博客,一起学习进步! Pancake 🍰 不迷路。😉*★,°*:.☆( ̄▽ ̄)/$:*.°★* 😏

😏★,°:.☆( ̄▽ ̄)/$:.°★ 😏
这篇文章主要介绍pyproj地理计算库应用。
欢迎来到我的博客,一起学习,共同进步。
喜欢的朋友可以关注一下,下次更新不迷路🥞

1. pyproj介绍

pyproj 是 Python 中一个非常有用的库,用于执行地理坐标系统的转换和地图投影。它是基于 proj 库的 Python 接口,因此继承了 proj 库的强大功能,但以 Python 的形式提供了更友好的接口。

2. 环境配置

安装:pip install pyproj

3. 使用说明

经纬度转UTM坐标:

import pyproj

# 创建UTM坐标系对象
utm_crs = pyproj.CRS.from_epsg(32650)  # EPSG 32650对应的是WGS84的UTM Zone 50N

# 创建经纬度坐标系对象
lat_lon_crs = pyproj.CRS('EPSG:4326')  # WGS84经纬度坐标系

# 创建转换器
transformer = pyproj.Transformer.from_crs(lat_lon_crs, utm_crs, always_xy=True)

# 定义经纬度坐标
lon, lat = 120.30550, 31.47758

# 将经纬度坐标转换成UTM坐标
x, y = transformer.transform(lon, lat)

print("UTM东坐标:", x)
print("UTM北坐标:", y)

UTM坐标转经纬度:

import pyproj

def utm_to_latlon(easting, northing, zone_number, zone_letter):
    proj = pyproj.Proj(proj='utm', zone=zone_number, ellps='WGS84', north=bool(zone_letter >= 'N'))
    lon, lat = proj(easting, northing, inverse=True)
    return lat, lon

# 示例 UTM 坐标:Zone 18N, Easting: 500000, Northing: 4500000
easting = 464101.487
northing = 4378816.449
zone_number = 49
zone_letter = 'N'

latitude, longitude = utm_to_latlon(easting, northing, zone_number, zone_letter)
print("经度(Longitude):", longitude)
print("纬度(Latitude):", latitude)

计算两点之间距离和方位角:

from pyproj import Geod

# 创建 Geod 对象
geod = Geod(ellps="WGS84")

# 定义两个点的经纬度
lon1, lat1 = 12.4924, 41.8902  # 罗马斗兽场
lon2, lat2 = 2.2945, 48.8584   # 巴黎埃菲尔铁塔

# 计算距离和方位角
azimuth1, azimuth2, distance = geod.inv(lon1, lat1, lon2, lat2)

print(f"Distance: {distance} meters")
print(f"Initial Azimuth: {azimuth1} degrees")
print(f"Final Azimuth: {azimuth2} degrees")

image.png

以上。

目录
相关文章
|
9月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
2132 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
9月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
867 0
|
8月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
823 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
8月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
600 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
9月前
|
机器学习/深度学习 算法 安全
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究(Python代码实现)
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究(Python代码实现)
678 6
|
9月前
|
设计模式 缓存 运维
Python装饰器实战场景解析:从原理到应用的10个经典案例
Python装饰器是函数式编程的精华,通过10个实战场景,从日志记录、权限验证到插件系统,全面解析其应用。掌握装饰器,让代码更优雅、灵活,提升开发效率。
615 0
|
10月前
|
数据采集 存储 数据可视化
Python网络爬虫在环境保护中的应用:污染源监测数据抓取与分析
在环保领域,数据是决策基础,但分散在多个平台,获取困难。Python网络爬虫技术灵活高效,可自动化抓取空气质量、水质、污染源等数据,实现多平台整合、实时更新、结构化存储与异常预警。本文详解爬虫实战应用,涵盖技术选型、代码实现、反爬策略与数据分析,助力环保数据高效利用。
526 0
|
数据采集 数据可视化 大数据
Python在大数据处理中的应用实践
Python在大数据处理中扮演重要角色,借助`requests`和`BeautifulSoup`抓取数据,`pandas`进行清洗预处理,面对大规模数据时,`Dask`提供分布式处理能力,而`matplotlib`和`seaborn`则助力数据可视化。通过这些工具,数据工程师和科学家能高效地管理、分析和展示海量数据。
808 4
|
设计模式 开发者 Python
Python编程中的设计模式应用与实践感悟####
本文作为一篇技术性文章,旨在深入探讨Python编程中设计模式的应用价值与实践心得。在快速迭代的软件开发领域,设计模式如同导航灯塔,指引开发者构建高效、可维护的软件架构。本文将通过具体案例,展现设计模式如何在实际项目中解决复杂问题,提升代码质量,并分享个人在实践过程中的体会与感悟。 ####
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。

推荐镜像

更多