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

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