我有一段時間內用戶Lat/Lon格式位置的數據集。我想計算這些用戶旅行的距離。示例數據集:如何使用(Py)Spark對數據集中數據點之間的距離進行求和?
|時間戳|用戶|緯度|經度| | 1462838468 | 49B4361512443A4DA ... | 39.777982 | -7.054599 | | 1462838512 | 49B4361512443A4DA ... | 39.777982 | -7.054599 | | 1462838389 | 49B4361512443A4DA ... | 39.777982 | -7.054599 | | 1462838497 | 49B4361512443A4DA ... | 39.777982 | -7.054599 | | 1465975885 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 | | 1457723815 | 405C238E25FE0B9E7 ... | 37.177322 | -7.426781 | | 1457897289 | 405C238E25FE0B9E7 ... | 37.177922 | -7.447443 | | 1457899229 | 405C238E25FE0B9E7 ... | 37.177922 | -7.447443 | | 1457972626 | 405C238E25FE0B9E7 ... | 37.18059 | -7.46128 | | 1458062553 | 405C238E25FE0B9E7 ... | 37.177322 | -7.426781 | | 1458241825 | 405C238E25FE0B9E7 ... | 37.178172 | -7.444512 | | 1458244457 | 405C238E25FE0B9E7 ... | 37.178172 | -7.444512 | | 1458412513 | 405C238E25FE0B9E7 ... | 37.177322 | -7.426781 | | 1458412292 | 405C238E25FE0B9E7 ... | 37.177322 | -7.426781 | | 1465197963 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 | | 1465202192 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 | | 1465923817 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 | | 1465923766 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 | | 1465923748 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 | | 1465923922 | 6E9E0581E2A032FD8 ... | 37.118362 | -8.205041 |
我想過使用自定義聚合函數,但似乎沒有Python支持。此外,操作需要在特定順序的相鄰點上完成,所以我不知道自定義聚合器是否可以工作。
我也看過reduceByKey
,但距離函數似乎並未滿足運算符的要求。
有沒有辦法在Spark中以有效的方式執行此操作?
FTR,距離公式是等距離長方圓柱距離近似?我曾看過Haversine Formula,但看起來不同。順便說一句,你已經在方法聲明中複製了參數「long_y」。 –
的確,謝謝。它應該是[大圓距](https://en.wikipedia.org/wiki/Great-circle_distance)。 – zero323
不,謝謝你,它似乎在工作。另一個問題,這個距離函數的結果是什麼單位? Kms,對嗎?至少R似乎在Kms。 –