teradataml.geospatial.geodataframecolumn.GeoDataFrameColumn.spherical_distance = spherical_distance(self, geom_column)

DESCRIPTION:
    Returns the spherical distance between two spherical coordinates on the
    planet using the Haversine Formula. Both coordinates must be specified
    as ST_Point values.
 
PARAMETERS:
    geom_column:
        Required Argument.
        Specifies a Geometry for the other spherical coordinate.
        Types: str, ColumnExpression, GeometryType
 
SUPPORTED GEOMETRY TYPES:
    ST_Point
 
RAISES:
    TypeError, ValueError, TeradataMlException
 
RETURNS:
    GeoDataFrameColumn
 
EXAMPLES:
    from teradataml import GeoDataFrame, load_example_data
    from teradataml import Point, LineString, Polygon, GeometryCollection
    # Load example data.
    load_example_data("geodataframe", "sample_shapes")
    # Create a GeoDataFrame.
    geodf = GeoDataFrame("sample_shapes")
    print(geodf)
 
    # Let's select only few columns from GeoDataFrame and join the GeoDataFrameColumn to self.
    points_df = geodf.select(["skey", "points"])[geodf.skey.isin([1001, 1002, 1003])]
    points_df = points_df.join(points_df, how="cross", lsuffix="l", rsuffix="r")
 
    # Example 1: Get the spherical distance between two spherical coordinates on the planet using
    #            the Haversine Formula, where coordinates are in columns 'l_point' and 'r_point'.
    points_df.assign(res = points_df.l_points.spherical_distance(points_df.r_points))
 
    # Example 2: Get the spherical distance between the spherical coordinates on the planet using
    #            the Haversine Formula, where set of points is in column "point" and another geometry
    #            defined by the Point object.
    # Create an object of Point GeometryType.
    p1 = Point(1,3)
    # Pass the Point() GeometryType object as input to "geom_column" argument.
    points_df.assign(res = points_df.l_points.spherical_distance(geom_column=p1))