python 比较销售表和门店表经纬度将距离销售单地址最近的门店连接到销售表上

你可以使用Python中的pandas和geopy库来实现这个需求。具体步骤如下：

1. 使用pandas读取销售表和门店表的数据，并分别添加经度和纬度列，如下所示：

import pandas as pd
from geopy.distance import geodesic

sales_data = pd.read_csv('sales_data.csv')
store_data = pd.read_csv('store_data.csv')

sales_data[['lat', 'lon']] = pd.DataFrame(sales_data['address'].apply(geocode).tolist())
store_data[['lat', 'lon']] = pd.DataFrame(store_data['address'].apply(geocode).tolist())

其中，geocode是一个自定义函数，用于将地址转换为经纬度坐标。

2. 对于每一条销售数据，遍历门店数据，计算销售数据地址和门店地址之间的距离，并记录距离最近的门店信息，如下所示：

def find_nearest_store(sale_row, store_data):
    min_distance = float('inf')
    nearest_store = None
    
    for _, store_row in store_data.iterrows():
        distance = geodesic((sale_row['lat'], sale_row['lon']), (store_row['lat'], store_row['lon'])).km
        
        if distance < min_distance:
            min_distance = distance
            nearest_store = store_row
    
    return nearest_store

sales_data['nearest_store'] = sales_data.apply(lambda row: find_nearest_store(row, store_data), axis=1)

其中，find_nearest_store是一个自定义函数，用于计算距离最近的门店信息。

3. 将距离最近的门店信息连接到销售表中，如下所示：

sales_data = pd.concat([sales_data.drop('nearest_store', axis=1), sales_data['nearest_store'].apply(pd.Series)], axis=1)

最终，你将得到一个包含距离销售单地址最近的门店信息的销售表。