Сравните геохеши между двумя фреймами данных pandas

Если вы готовы немного изобретать колесо, вы можете преобразовать пары (lat, lon) в декартовы единичные векторы, а затем просто сравнить их, используя точечное произведение. Поскольку скалярное произведение в основном является мерой проекции одного вектора на другой, произведение, наиболее близкое к 1 (максимум), будет наилучшим совпадением между двумя векторами.

Приведенный ниже пример расчета основан на этом ответе. Я сделаю предположение, что вы указываете геодезические координаты на эллипсоиде WGS84 (так как это используется GPS), и что высота над эллипсоидом равна нулю для всех точек:

from math import radians, sin, cos
import numpy as np

# WGS 84 parameters. Any other ellipsoid can be plugged in by changing
# the following lines. All parameters are taken from Wikipedia at
# https://en.wikipedia.org/wiki/Geodetic_datum#Parameters_for_some_geodetic_systems
invFlat = 298.257222101  # Inverse flattening (1/f), unitless
# Derived parameters
e2 = 6694.37999014  # First eccentricity squared. Unitless. Can be computed from 2*f − f**2

# Note that the radius is irrelevant since we are going to
# normalize the result anyway.

def cartesianUnitVector(lat, lon, isdeg=True):
    if isdeg:
        lat, lon = radians(lat), radians(lon)
    vec = np.array([
        cos(lat) * cos(lon),
        cos(lat) * sin(lon),
        (1 - e2) * sin(lat)
    ])
    norm = np.linalg.norm(vec)
    return vec / norm

target = (32.815130, -117.151695)
candidates = [
    (32.604187,  -117.005745),
    (37.920948,  -108.005043),
    (39.70122,   -104.876976),
    (38.844032,  -104.718307)
]

max(candidates, key=lambda x: np.dot(cartesianUnitVector(*x), cartesianUnitVector(*target)))

Формулу преобразования геодезических в ECEF можно найти в Википедии. В примере показано, как работать с итерацией пар латин-долгон. Я не совсем уверен, как адаптировать это к пандам, но ваш вопрос о том, как проводить сравнение, и я думаю, что дал на это ответ. Я уверен, что после того, как вы определили функцию преобразования и ключ сравнения, который ее использует, у вас не будет проблем с применением этого к пандам.