基于变量的接近匹配数据集

Question

我有两个csv数据集，我试图合并在一起。第一个数据集包含非传统的城市名称（即曼哈顿或皇后区应该是纽约）和它们的经度/纬度。第二个数据集包含常规城市名称和纬度/经度数据。我需要以这种方式合并这两个数据集，以便数据集1中的非传统城市名称与传统城市名称（数据集2）基于最接近的纬度/经度接近度匹配。

有人可以指导我如何编程这个问题？

感谢

数据集1个样品：

city state latitude longitude 
Manhattan NY 42.436503 -71.608599 
Long Island NY 54.266667 -6.916667 
East Los Angeles CA 56.2 10.683333 

数据集2样本：

city state latitude longitude 
New York NY 40.75 -74 
Los Angeles CA 33.97 -118.24 

结果数据集1：

city state latitude longitude new_city 
Manhattan NY 42.436503 -71.608599 New York 
Long Island NY 54.266667 -6.916667 New York 
East Los Angeles CA 56.2 10.683333 Los Angeles 

Answer 1

这是很简单计算两点间的距离（see here）。 您也可以使用GeoPy。

因此，如果您的数据集不是太大，您可以计算第一个和第二个数据框中的城市之间的距离，并保持两个城市之间距离最短。

您可以按状态过滤以避免为每个元组计算这些距离。