【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。

相关文章
|
3天前
|
存储 数据安全/隐私保护 Python
Python常用数据结构——字典的应用
Python常用数据结构——字典的应用
|
2天前
|
数据挖掘 API 数据处理
Python 数据分析及预处理常用库
Python自身数据分析功能有限,需借助第三方库增强。常用库包括NumPy、pandas、Matplotlib等。NumPy由Numeric发展而来,提供了多维数组对象及各种API,支持高效的数据处理,如数学、逻辑运算等,常作为其他高级库如pandas和Matplotlib的依赖库。其内置函数处理速度极快,建议优先使用以提升程序效率。
6 0
|
3天前
|
UED Python
Python requests库下载文件时展示进度条的实现方法
以上就是使用Python `requests`库下载文件时展示进度条的一种实现方法,它不仅简洁易懂,而且在实际应用中非常实用。
9 0
|
3天前
|
机器学习/深度学习 人工智能 数据可视化
# Python的一个非常cool的库Gradio
# Python的一个非常cool的库Gradio
13 0
|
5月前
|
测试技术 Python
Python中的装饰器应用与实践
在Python编程中,装饰器是一种强大的工具,能够优雅地扩展和修改函数或方法的行为。本文将深入探讨Python中装饰器的作用、原理以及实际应用场景,帮助读者更好地理解并运用装饰器提升代码的可维护性和灵活性。
|
4月前
|
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。
120 4
|
5月前
|
数据采集 数据挖掘 大数据
Python在数据分析中的应用及实践
【2月更文挑战第13天】 本文旨在探讨Python语言在数据分析领域的广泛应用及其实践方法。通过深入浅出的方式,介绍Python在处理、分析大数据时的核心库和工具,如Pandas、NumPy、Matplotlib等,并通过一个实际案例来展示这些工具如何协同工作,解决数据分析中遇到的常见问题。文章不仅为读者提供了一个学习和应用Python进行数据分析的起点,也通过案例分析,展示了Python在数据处理能力上的强大与灵活性,旨在激发读者对Python数据分析深入学习和研究的兴趣。
|
5月前
|
数据可视化 数据挖掘 数据处理
Python在数据分析中的应用实践
【2月更文挑战第13天】 本文旨在探讨Python语言在当前数据驱动时代的核心应用之一——数据分析领域的实践方法和技术。Python,作为一种高级编程语言,因其简洁的语法、强大的库支持以及广泛的社区资源,已成为数据科学家和分析师首选的工具之一。文章首先简要介绍Python及其在数据分析中的优势,随后深入讲解使用Python进行数据处理、分析、可视化的关键技术,包括但不限于Pandas库的数据处理、Matplotlib和Seaborn库的数据可视化技术,以及SciPy和Scikit-learn库在数据分析中的应用。通过具体案例,展示Python如何有效地解决实际数据分析问题,最终旨在为读者提供一
41 2
|
5月前
|
数据可视化 数据挖掘 Python
Python数据可视化库Matplotlib应用实践
【2月更文挑战第10天】 在数据分析和可视化领域,Python语言的Matplotlib库无疑是一把强大的利器。本文将介绍Matplotlib库的基本用法以及在数据可视化中的应用实践,通过示例代码演示如何利用Matplotlib库创建各种类型的图表,帮助读者更好地理解和运用这一强大工具。
34 0
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理