teradataml.geospatial.geodataframecolumn.GeoDataFrameColumn.spheroidal_distance = spheroidal_distance(self, geom_column, semimajor=6378137.0, invflattening=298.257223563)

DESCRIPTION:
    Returns the distance, in meters, between two spherical coordinates.
    Notes:
        *  For the distance calculation, the planet is modeled as a spheroid.
        *  If you do not pass in values for the "semimajor" and "invflattening"
          arguments, the computation uses the semimajor axis and the inverse
          flattening ratio from the World Geodetic System, WGS84. A value of
          6,378,137.0 meters is used for the semimajor axis, and a value of
          298.257223563 is used for the inverse flattening ratio.
        *  Distance calculations between antipodal or nearly antipodal points
          using the spheroidal_distance() method may fail to converge,
          generating a Vantage error. For these distance
          calculations use instead the spherical_distance() method.
 
PARAMETERS:
    geom_column:
        Required Argument.
        Specifies a Geometry for the other coordinate.
        Types: str, ColumnExpression, GeometryType
 
    semimajor:
        Optional Argument.
        Specifies the length in meters of the semimajor axis of the
        spheroid.
        Default Value: 6378137.0
        Types: float, int
 
    invflattening:
        Optional Argument.
        Specifies the inverse flattening ratio of the spheroid.
        Default Value: 298.257223563
        Types: float, int
 
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.
    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 spheroidal distance between two points from columns 'l_points' and 'r_points'.
    points_df.assign(res = points_df.l_points.spheroidal_distance(points_df.r_points))
 
    # Example 2: Get the spheroidal distance between points from column 'l_points' and
    #            a GeometryType object Point.
    # 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.spheroidal_distance(geom_column=p1, semimajor=637813, invflattening=298))