pyproj运行效率优化
介绍
pyproj是一个常用的地理坐标转换python库，它其实是对proj库的python封装，底层调用proj这个c++库。当我们对大规模地理数据执行坐标转换时，需要尽可能提高pyproj的运行效率，否则会浪费大量时间。下面介绍一些常用的方法，可有效提高pyproj运行效率。
方法
首先import pyproj
import pyproj
from pyproj import Transformer
这里以WSG84地理坐标转UTM北纬51分带投影坐标为例
EPSG_WGS84 = 4326
EPSG_WGS84_UTM_51N = 32651
1. 使用全局变量
使用下面的函数每次执行坐标转换都会new一个transformer对象，函数运行结束则销毁对象并回收内存，内存不断重复分配与回收对程序运行效率影响较大。
def lonlat_to_xy(lon, lat, epsg=EPSG_WGS84_UTM_51N):
"""
输入经度和纬度，返回x和y（单位：m）
"""
transformer = Transformer.from_crs("epsg:{}".format(EPSG_WGS84), "epsg:{}".format(epsg), always_xy=True)
return transformer.transform(lon, lat)
我们使用全局变量来避免这一问题。全局变量初始化可以设置area_of_interest参数，含义为当前所关注的坐标经纬度范围，能进一步提高计算效率。
DEFAULT_TRANS = Transformer.from_crs("epsg:{}".format(EPSG_WGS84), "epsg:{}".format(EPSG_WGS84_UTM_51N), always_xy=True,
area_of_interest=AreaOfInterest(119.504167, 31.093677, 120.610871, 32.005928))
def lonlat_to_xy(lon, lat, epsg):
if epsg == EPSG_WGS84_UTM_51N:
return DEFAULT_TRANS.transform(lat, lon)
transformer = Transformer.from_crs("epsg:{}".format(EPSG_WGS84), "epsg:{}".format(epsg), always_xy=True)
return transformer.transform(lon, lat)
2. 开启global_context
如果代码确定为单线程执行，可以设置global_context为true。
pyproj.set_use_global_context(active=True)
3. 批量计算，少用循环
直接输入坐标数组批量计算，不要在循环体内对单个点进行坐标转换。
lngs = [119.50, 119.51, 119.52, 119.49, 119.50]
lats = [31.09, 31.10, 31.08, 31.00, 31.04]
xx, yy = lonlat_to_xy(lngs, lats, EPSG_WGS84_UTM_51N)
