直接对经纬度坐标应用 scipy.spatial.distance.cityblock 得到的结果无明确地理单位，数值本身不具备可解释的距离意义——因其未考虑地球曲率、坐标系投影及度量尺度差异。
直接对经纬度坐标应用 `scipy.spatial.distance.cityblock` 得到的结果无明确地理单位，数值本身不具备可解释的距离意义——因其未考虑地球曲率、坐标系投影及度量尺度差异。
在地理空间分析中，曼哈顿距离（即 cityblock 距离）本质上是各维度差值的绝对值之和：
[
d = |x_1 - x_2| + |y_1 - y_2|
]
当输入为经纬度（如 lat, lon）时，cityblock((lat1, lon1), (lat2, lon2)) 实际计算的是：
abs(lat1 - lat2) + abs(lon1 - lon2)
该结果单位是“度”（°），但“度”不能直接换算为米或公里——因为1°纬度 ≈ 111 km（近似恒定），而1°经度长度随纬度升高急剧减小（赤道约111 km，北纬60°仅约55 km）。更重要的是，cityblock 假设坐标轴正交且等距，而经纬度构成的是球面坐标系，在未经投影转换前，其坐标平面不满足欧氏/曼哈顿度量的基本前提。
❌ 错误示例：直接使用经纬度计算 cityblock
import pandas as pd
from scipy.spatial.distance import cityblock
patient = pd.DataFrame({'lat': [34.0522], 'lon': [-118.2437]})
hospital = pd.DataFrame({'LATITUDE': [35.0522], 'LONGITUDE': [-133.2437]})
# 危险！结果无实际地理意义
d_wrong = cityblock((patient['lat'].iloc[0], patient['lon'].iloc[0]),
(hospital['LATITUDE'].iloc[0], hospital['LONGITUDE'].iloc[0]))
print(f"Cityblock (deg): {d_wrong:.4f}°") # 输出：~16.0000° —— 无法解读为距离✅ 正确路径：先投影，再计算
若需近似曼哈顿式路径距离（如城市网格道路），应：
- 将经纬度转换为投影坐标系（如 UTM，单位：米）；
- 在平面坐标上应用 cityblock；
- 结果单位即为米（或对应投影单位）。
推荐使用 pyproj 进行高精度投影：
import pyproj
import numpy as np
from scipy.spatial.distance import cityblock
# 定义 WGS84 地理坐标系和 UTM 区域（自动适配经度）
geod = pyproj.Geod(ellps="WGS84")
proj = pyproj.Proj(proj='utm', zone=11, ellps='WGS84') # 示例：西海岸常用 zone 11
# 投影单点（注意：lon 在前，lat 在后）
x1, y1 = proj(patient['lon'].iloc[0], patient['lat'].iloc[0])
x2, y2 = proj(hospital['LONGITUDE'].iloc[0], hospital['LATITUDE'].iloc[0])
d_meters = cityblock((y1, x1), (y2, x2)) # UTM: (northing, easting)
print(f"Projected cityblock distance: {d_meters:.1f} meters")⚠️ 关键注意事项
- 曼哈顿距离在大范围地理场景中通常不适用：跨百公里的“横向+纵向”路径违背实际交通逻辑，且受地图投影畸变影响显著；
-
替代方案更合理：
- 短距离（大地线距离（单位：米）；
- 需路网路径 → 调用 OpenStreetMap 或 Google Maps API 获取真实驾驶距离/时间；
- 坐标顺序敏感：pyproj.Proj 要求 (lon, lat)，而 scipy.cityblock 接收 (y, x) 时需与投影输出对齐（UTM 为 (easting, northing)，常需交换）。
总结
scipy.spatial.distance.cityblock 对原始经纬度的输出没有有意义的地理单位，其数值仅为角度差之和，不可用于距离解释。严谨的空间分析必须经过坐标系转换：地理坐标（WGS84）→ 投影坐标（如 UTM）→ 平面距离计算。忽略此步骤将导致结果完全失真——这不是单位换算问题，而是度量空间根本错误。
