经纬度转换 | 基于Python的经纬度与xy坐标(屏幕坐标)相互转换(可批量)，并在平面坐标系上以特定点为坐标原点重新建立坐标系，输出各点新坐标

1. 背景——为什么要转换

用的更多的场景是把经纬度转化为xy平面坐标，因为经纬度是方便我们确定地理位置的，我们可以很容易的从地图数据（可利用高德开放平台）上获取某一个地址它的经纬度，但是我们看到的地图是平面的，所以要利用各种投影把经纬度转换为平面坐标便于我们自己分析~

xy平面坐标转化为经纬度的使用场景不多，但我们可以作为一个验证来运用。

关于如何从一串地址，如“重庆市沙坪坝区沙正街174号”这样的一个文本地址得出它的经纬度，我在之前发在微信的文章里有过介绍，可见：https://mp.weixin.qq.com/s/Z2I2ufb-AB_gQcfTBD6vmg 也可点此跳转

2. 我的操作环境

python3.8
我习惯在jupyter里运行python，大家的pycharm、vs code都可

3. 经纬度和xy平面坐标相互转换----实战

import math import pandas as pd #定义经纬度转换为米勒坐标的方法 def millerToXY(lon, lat): xy_coordinate = [] L = 6381372 * math.pi * 2 #地球周长 W = L #平面展开，将周长视为X轴 H = L / 2 #Y轴约等于周长一半 mill = 2.3 #米勒投影中的一个常数，范围大约在正负2.3之间 #循环，因为要批量转换 for x, y in zip(lon, lat): x = x * math.pi / 180 # 将经度从度数转换为弧度 y = y * math.pi / 180 # 将纬度从度数转换为弧度 y = 1.25 * math.log(math.tan(0.25 * math.pi + 0.4 * y)) # #这里是米勒投影的转换 x = (W / 2) + (W / (2 * math.pi)) * x #这里将弧度转为实际距离 ，转换结果的单位是km y = (H / 2) - (H / (2 * mill)) * y # 这里将弧度转为实际距离 ，转换结果的单位是km xy_coordinate.append((int(round(x)), int(round(y)))) return xy_coordinate #xy坐标转换成经纬度的方法（该方法未定义循环，仅能单个坐标转换 def xy_to_coor(x, y): lonlat_coordinate = [] L = 6381372 * math.pi*2 W = L H = L/2 mill = 2.3 lat = ((H/2-y)*2*mill)/(1.25*H) lat = ((math.atan(math.exp(lat))-0.25*math.pi)*180)/(0.4*math.pi) lon = (x-W/2)*360/W # TODO 最终需要确认经纬度保留小数点后几位 lonlat_coordinate.append((round(lon,8),round(lat,8))) return lonlat_coordinate #读取数据文件 df=pd.read_csv('village.DAT',header=None,encoding='utf-8',delimiter=' ') #delimiter=' '代表分隔符是空格 df.to_csv('village.DAT',header=None,encoding='utf-8',sep=' ') #取一下经纬度的数据 x_data=df.iloc[:,2] #对应第3列数据，即经度数据 y_data=df.iloc[:,3] #对应第4列数据，即纬度数据 #调用经纬度转化为xy坐标方法，直接输出转换后的xy坐标 xy_data=millerToXY(x_data,y_data) xy_data #直接输出 #调用xy坐标转化为经纬度方法，输出经纬度 print(xy_to_coor(31327850,8251850)) #这里直接随机给了一个xy坐标参数

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50

问题：把经纬度坐标转换为xy平面坐标后，我们会发现新坐标的数值变得非常大，比如(31327850,8251850)，这非常不利于我们的可视化过程，比如把各点在一个坐标系上标注出来，那怎么解决呢？
常见的解决方案：我们可以根据原来的经纬度，找一个和所有点靠的比较近，能在一张图上的点，以这个点作为原点，重新建立一个平面的直角坐标系，这样所有点的坐标都会比较好看，不会那么大，也不至于离原点太远。同时需注意这个新坐标原点的选择，可以尽量选在所有点的左下方，这样可以确保咱的坐标都是正数，方便后面分析～

4. 在xy平面坐标上，以一个新点为原点，重新建立坐标系，输出各点新坐标

import math import pandas as pd #方法：以一个新点为原点，重新建立坐标系，输出各点新坐标 def xyToNew(lon, lat): xy_coordinate = [] #这里给下坐标原点，我是随机选的，使得所有点的坐标都为正，且尽量大于1 x0=31327850 y0=8251850 for x, y in zip(lon, lat): x = x-x0 y = y-y0 xy_coordinate.append((int(round(x)), int(round(y)))) return xy_coordinate #读取转换成平面坐标后的坐标文件 df=pd.read_csv('xymile.txt',header=None,encoding='utf-8',delimiter=' ') df.to_csv('xymile.txt',header=None,encoding='utf-8',sep=' ') #df #可以打印下看看这个df数据有啥 #取一下xy平面坐标系上xy的数据 x_data=df.iloc[:,0] #对应第1列，即x y_data=df.iloc[:,1] #对应第2列，即y #调用转换坐标的方法 xy_data=xyToNew(x_data,y_data) xy_data #直接输出坐标

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29