备注
GeoPandas简介#
本快速教程介绍了GeoPandas的主要概念和基本功能，以帮助您开始您的项目。
概念#
GeoPandas，顾名思义，扩展了科普数据科学库 pandas 通过添加对地理空间数据的支持。如果您不熟悉 pandas, we recommend taking a quick look at its Getting started documentation 在继续之前。
GeoPandas中的核心数据结构是 geopandas.GeoDataFrame ，是的子类 pandas.DataFrame ，它可以存储几何图形列并执行空间操作。这个 geopandas.GeoSeries ，是的子类 pandas.Series 处理几何图形。因此，您的 GeoDataFrame 是一种组合 pandas.Series ，以及传统数据(数字、布尔、文本等)，以及 geopandas.GeoSeries ，使用几何图形(点、多边形等)。您可以拥有任意数量的带有几何图形的列；桌面GIS软件没有典型的限制。
每个人 GeoSeries 可以包含任何几何类型(甚至可以在单个数组中混合它们)，并且具有 GeoSeries.crs 属性，该属性存储有关投影的信息(CRS代表坐标参考系)。因此，每个 GeoSeries 在一个 GeoDataFrame 可以在不同的投影中，例如，允许您拥有同一几何体的多个版本(不同的投影)。
只有一个 GeoSeries 在一个 GeoDataFrame 被认为是 活动的 几何图形，这意味着所有几何运算都应用于 GeoDataFrame 对此进行操作 活动的 列。
用户指南
请参阅更多信息 data structures in the User Guide 。
让我们看看其中一些概念是如何在实践中发挥作用的。
读取和写入文件#
首先，我们需要读取一些数据。
正在读取文件#
假设您有一个同时包含数据和几何的文件(例如，GeoPackage、GeoJSON、shapefile)，则可以使用 geopandas.read_file() ，它会自动检测文件类型并创建 GeoDataFrame 。本教程使用 "nybb" 数据集，纽约区地图，是GeoPandas安装的一部分。因此，我们使用 geopandas.datasets.get_path() 以检索数据集的路径。
[1]:
import geopandas
path_to_data = geopandas.datasets.get_path("nybb")
gdf = geopandas.read_file(path_to_data)
gdf
[1]:
| BoroCode | BoroName | Shape_Leng | Shape_Area | geometry | |
|---|---|---|---|---|---|
| 0 | 5 | Staten Island | 330470.010332 | 1.623820e+09 | MULTIPOLYGON (((970217.022 145643.332, 970227.... |
| 1 | 4 | Queens | 896344.047763 | 3.045213e+09 | MULTIPOLYGON (((1029606.077 156073.814, 102957... |
| 2 | 3 | Brooklyn | 741080.523166 | 1.937479e+09 | MULTIPOLYGON (((1021176.479 151374.797, 102100... |
| 3 | 1 | Manhattan | 359299.096471 | 6.364715e+08 | MULTIPOLYGON (((981219.056 188655.316, 980940.... |
| 4 | 2 | Bronx | 464392.991824 | 1.186925e+09 | MULTIPOLYGON (((1012821.806 229228.265, 101278... |
正在写入文件#
要编写一个 GeoDataFrame 返回文件使用 GeoDataFrame.to_file() 。默认文件格式为shapefile，但您可以使用 driver 关键字。
[2]:
gdf.to_file("my_file.geojson", driver="GeoJSON")
用户指南
简单的访问器和方法#
现在我们有了我们的 GeoDataFrame 并且可以开始使用它的几何体。
由于纽约区数据集中只有一个几何列，因此该列自动成为 活动的 使用的几何和空间方法 GeoDataFrame 将应用于 "geometry" 列。
测量面积#
要测量每个多边形(或在此特定情况下为多个多边形)的面积，请访问 GeoDataFrame.area 属性，该属性返回一个 pandas.Series 。请注意， GeoDataFrame.area 只是 GeoSeries.area 应用于 活动的 几何图形列。
但首先，为了使结果更易于阅读，请将各行政区的名称设置为索引：
[3]:
gdf = gdf.set_index("BoroName")
[4]:
gdf["area"] = gdf.area
gdf["area"]
[4]:
BoroName
Staten Island 1.623822e+09
Queens 3.045214e+09
Brooklyn 1.937478e+09
Manhattan 6.364712e+08
Bronx 1.186926e+09
Name: area, dtype: float64
获取多边形边界和质心#
若要获取每个面(线串)的边界，请访问 GeoDataFrame.boundary ：
[5]:
gdf['boundary'] = gdf.boundary
gdf['boundary']
[5]:
BoroName
Staten Island MULTILINESTRING ((970217.022 145643.332, 97022...
Queens MULTILINESTRING ((1029606.077 156073.814, 1029...
Brooklyn MULTILINESTRING ((1021176.479 151374.797, 1021...
Manhattan MULTILINESTRING ((981219.056 188655.316, 98094...
Bronx MULTILINESTRING ((1012821.806 229228.265, 1012...
Name: boundary, dtype: geometry
由于我们已将边界保存为新列，因此现在同一列中有两个几何图形列 GeoDataFrame 。
我们还可以创建新的几何图形，其可以是例如原始几何图形的缓冲版本(即， GeoDataFrame.buffer(10) )或其质心：
[6]:
gdf['centroid'] = gdf.centroid
gdf['centroid']
[6]:
BoroName
Staten Island POINT (941639.450 150931.991)
Queens POINT (1034578.078 197116.604)
Brooklyn POINT (998769.115 174169.761)
Manhattan POINT (993336.965 222451.437)
Bronx POINT (1021174.790 249937.980)
Name: centroid, dtype: geometry
测量距离#
我们还可以测量每个质心距离第一个质心位置有多远。
[7]:
first_point = gdf['centroid'].iloc[0]
gdf['distance'] = gdf['centroid'].distance(first_point)
gdf['distance']
[7]:
BoroName
Staten Island 0.000000
Queens 103781.535276
Brooklyn 61674.893421
Manhattan 88247.742789
Bronx 126996.283623
Name: distance, dtype: float64
请注意， geopandas.GeoDataFrame 是的子类 pandas.DataFrame ，因此我们拥有可在地理空间数据集上使用的所有PANAS功能-我们甚至可以一起使用属性和几何信息执行数据操作。
例如，要计算上面测量的距离的平均值，请访问‘Distance’列并对其调用Mean()方法：
[8]:
gdf['distance'].mean()
[8]:
76140.09102166798
制作地图#
GeoPandas还可以绘制地图，所以我们可以检查几何图形在太空中的显示方式。若要绘制活动几何图形，请调用 GeoDataFrame.plot() 。要按另一列进行颜色编码，请将该列作为第一个参数传入。在下面的示例中，我们绘制激活的几何图形列和颜色代码 "area" 纵队。我们也想展示一个传奇 (legend=True )。
[9]:
gdf.plot("area", legend=True)
[9]:
<AxesSubplot:>
您还可以使用以交互方式浏览数据 GeoDataFrame.explore() ，它的行为方式与 plot() 而是返回交互式地图。
[10]:
gdf.explore("area", legend=False)
---------------------------------------------------------------------------
ModuleNotFoundError Traceback (most recent call last)
File /usr/local/lib/python3.10/dist-packages/geopandas-0.10.2+79.g3abc6a7-py3.10.egg/geopandas/explore.py:271, in _explore(df, column, cmap, color, m, tiles, attr, tooltip, popup, highlight, categorical, legend, scheme, k, vmin, vmax, width, height, categories, classification_kwds, control_scale, marker_type, marker_kwds, style_kwds, highlight_kwds, missing_kwds, tooltip_kwds, popup_kwds, legend_kwds, map_kwds, **kwargs)
270 import matplotlib.pyplot as plt
--> 271 from mapclassify import classify
272 except (ImportError, ModuleNotFoundError):
ModuleNotFoundError: No module named 'mapclassify'
During handling of the above exception, another exception occurred:
ImportError Traceback (most recent call last)
Input In [10], in <cell line: 1>()
----> 1 gdf.explore("area", legend=False)
File /usr/local/lib/python3.10/dist-packages/geopandas-0.10.2+79.g3abc6a7-py3.10.egg/geopandas/geodataframe.py:1903, in GeoDataFrame.explore(self, *args, **kwargs)
1900 @doc(_explore)
1901 def explore(self, *args, **kwargs):
1902 """Interactive map based on folium/leaflet.js"""
-> 1903 return _explore(self, *args, **kwargs)
File /usr/local/lib/python3.10/dist-packages/geopandas-0.10.2+79.g3abc6a7-py3.10.egg/geopandas/explore.py:273, in _explore(df, column, cmap, color, m, tiles, attr, tooltip, popup, highlight, categorical, legend, scheme, k, vmin, vmax, width, height, categories, classification_kwds, control_scale, marker_type, marker_kwds, style_kwds, highlight_kwds, missing_kwds, tooltip_kwds, popup_kwds, legend_kwds, map_kwds, **kwargs)
271 from mapclassify import classify
272 except (ImportError, ModuleNotFoundError):
--> 273 raise ImportError(
274 "The 'folium', 'matplotlib' and 'mapclassify' packages are required for "
275 "'explore()'. You can install them using "
276 "'conda install -c conda-forge folium matplotlib mapclassify' "
277 "or 'pip install folium matplotlib mapclassify'."
278 )
280 # xyservices is an optional dependency
281 try:
ImportError: The 'folium', 'matplotlib' and 'mapclassify' packages are required for 'explore()'. You can install them using 'conda install -c conda-forge folium matplotlib mapclassify' or 'pip install folium matplotlib mapclassify'.
切换激活的几何体 (GeoDataFrame.set_geometry )到质心，我们可以使用点几何绘制相同的数据。
[11]:
gdf = gdf.set_geometry("centroid")
gdf.plot("area", legend=True)
[11]:
<AxesSubplot:>
我们还可以将这两个层次 GeoSeries 在彼此的顶端。我们只需要使用一个地块作为另一个地块的轴。
[12]:
ax = gdf["geometry"].plot()
gdf["centroid"].plot(ax=ax, color="black")
[12]:
<AxesSubplot:>
现在，我们将活动几何图形设置回原始状态 GeoSeries 。
[13]:
gdf = gdf.set_geometry("geometry")
用户指南
请参阅更多信息 mapping in the User Guide 。
几何图形创建#
我们可以进一步处理几何体，并在已有的基础上创建新的形状。
凸壳#
如果我们对面的凸包感兴趣，我们可以访问 GeoDataFrame.convex_hull 。
[14]:
gdf["convex_hull"] = gdf.convex_hull
[15]:
ax = gdf["convex_hull"].plot(alpha=.5) # saving the first plot as an axis and setting alpha (transparency) to 0.5
gdf["boundary"].plot(ax=ax, color="white", linewidth=.5) # passing the first plot and setting linewitdth to 0.5
[15]:
<AxesSubplot:>
缓冲层#
在其他情况下，我们可能需要使用缓冲几何 GeoDataFrame.buffer() 。几何方法会自动应用于活动几何，但我们可以将它们直接应用于任何 GeoSeries 也是。让我们缓冲这些行政区和它们的质心，并在彼此的顶部进行绘制。
[16]:
# buffering the active geometry by 10 000 feet (geometry is already in feet)
gdf["buffered"] = gdf.buffer(10000)
# buffering the centroid geometry by 10 000 feet (geometry is already in feet)
gdf["buffered_centroid"] = gdf["centroid"].buffer(10000)
[17]:
ax = gdf["buffered"].plot(alpha=.5) # saving the first plot as an axis and setting alpha (transparency) to 0.5
gdf["buffered_centroid"].plot(ax=ax, color="red", alpha=.5) # passing the first plot as an axis to the second
gdf["boundary"].plot(ax=ax, color="white", linewidth=.5) # passing the first plot and setting linewitdth to 0.5
[17]:
<AxesSubplot:>
用户指南
请参阅更多信息 geometry creation and manipulation in the User Guide 。
几何关系#
我们还可以询问不同几何图形的空间关系。使用上面的几何图形，我们可以检查哪些缓冲的行政区与布鲁克林的原始几何图形相交，即距离布鲁克林不到10,000英尺。
首先，我们得到布鲁克林的一个多边形。
[18]:
brooklyn = gdf.loc["Brooklyn", "geometry"]
brooklyn
[18]:
该多边形是一个 shapely geometry object ，与GeoPandas中使用的任何其他几何体一样。
[19]:
type(brooklyn)
[19]:
shapely.geometry.multipolygon.MultiPolygon
然后我们可以检查其中的哪些几何图形 gdf["buffered"] 与其相交。
[20]:
gdf["buffered"].intersects(brooklyn)
[20]:
BoroName
Staten Island True
Queens True
Brooklyn True
Manhattan True
Bronx False
dtype: bool
只有布朗克斯(北部)距离布鲁克林超过10000英尺。所有其他的都更近，并与我们的多边形相交。
或者，我们可以检查哪些缓冲质心完全在原始行政区的多边形内。在这种情况下，两者都 GeoSeries 对齐，并对每行执行检查。
[21]:
gdf["within"] = gdf["buffered_centroid"].within(gdf)
gdf["within"]
[21]:
BoroName
Staten Island True
Queens True
Brooklyn False
Manhattan False
Bronx False
Name: within, dtype: bool
我们可以把结果画在地图上，以确认这一发现。
[22]:
gdf = gdf.set_geometry("buffered_centroid")
ax = gdf.plot("within", legend=True, categorical=True, legend_kwds={'loc': "upper left"}) # using categorical plot and setting the position of the legend
gdf["boundary"].plot(ax=ax, color="black", linewidth=.5) # passing the first plot and setting linewitdth to 0.5
[22]:
<AxesSubplot:>
推算#
每个人 GeoSeries 其坐标参考系(CRS)可在 GeoSeries.crs 。CRS会告诉GeoPandas这些几何图形的坐标在地球表面的位置。在某些情况下，CRS是地理上的，这意味着坐标在纬度和经度上。在这些情况下，其CRS是WGS84，具有授权代码 EPSG:4326 。让我们看看我们纽约各区的投影 GeoDataFrame 。
[23]:
gdf.crs
[23]:
<Derived Projected CRS: EPSG:2263>
Name: NAD83 / New York Long Island (ftUS)
Axis Info [cartesian]:
- X[east]: Easting (US survey foot)
- Y[north]: Northing (US survey foot)
Area of Use:
- name: United States (USA) - New York - counties of Bronx; Kings; Nassau; New York; Queens; Richmond; Suffolk.
- bounds: (-74.26, 40.47, -71.8, 41.3)
Coordinate Operation:
- name: SPCS83 New York Long Island zone (US Survey feet)
- method: Lambert Conic Conformal (2SP)
Datum: North American Datum 1983
- Ellipsoid: GRS 1980
- Prime Meridian: Greenwich
几何图形已加入 EPSG:2263 以英尺为单位的坐标。我们可以很容易地重新投射一个 GeoSeries 到另一个CRS，比如 EPSG:4326 使用 GeoSeries.to_crs() 。
[24]:
gdf = gdf.set_geometry("geometry")
boroughs_4326 = gdf.to_crs("EPSG:4326")
boroughs_4326.plot()
[24]:
<AxesSubplot:>
[25]:
boroughs_4326.crs
[25]:
<Geographic 2D CRS: EPSG:4326>
Name: WGS 84
Axis Info [ellipsoidal]:
- Lat[north]: Geodetic latitude (degree)
- Lon[east]: Geodetic longitude (degree)
Area of Use:
- name: World.
- bounds: (-180.0, -90.0, 180.0, 90.0)
Datum: World Geodetic System 1984 ensemble
- Ellipsoid: WGS 84
- Prime Meridian: Greenwich
请注意沿曲线图轴线的坐标差异。以前我们有12万到28万英尺，现在我们有40.5到40.9度。在这种情况下， boroughs_4326 有一个 "geometry" WGS84中的列，但其他所有列(带有质心等)保留在原始的CRS中。
警告
对于依赖于距离或面积的操作，您始终需要使用投影CRS(以米、英尺、公里等为单位)不是地理上的(以度计)。GeoPandas的操作是平面的，而度数反映了球体上的位置。因此，使用度的空间运算可能不会产生正确的结果。例如，结果为 gdf.area.sum() (预计CRS)为8 429 911 572 ft2，但结果为 boroughs_4326.area.sum() (地理CRS)为0.083。
用户指南
请参阅更多信息 projections in the User Guide 。
接下来是什么？#
有了GeoPandas，我们可以做的比目前为止引入的要多得多，从 aggregations ，至 spatial joins ，至 geocoding ，以及 much more 。
去那边的 User Guide 要了解有关GeoPandas的不同功能的更多信息，请参阅 Examples 查看如何使用它们，或者到 API reference 了解详情。