geopandas 是一个用于处理地理空间数据的 Python 库，扩展了 pandas 的功能，使得处理地理数据变得更加方便。geopandas 的核心数据结构是 GeoDataFrame，是一个类似于 pandas 的 DataFrame，但包含一个特殊的 geometry 列，用于存储地理几何对象（如点、线、多边形等）。

安装

首先，需要安装 geopandas。可以使用 pip 来安装：

pip install geopandas

核心数据结构

GeoDataFrame

GeoDataFrame 是 geopandas 的核心数据结构，类似于 pandas 的 DataFrame，但包含一个特殊的 geometry 列，用于存储地理几何对象。

import geopandas as gpd

# 创建一个 GeoDataFrame
gdf = gpd.GeoDataFrame({
    'name': ['A', 'B', 'C'],
    'geometry': [Point(0, 0), Point(1, 1), Point(2, 2)]
})

print(gdf)

GeoSeries

GeoSeries 是 geopandas 的另一个核心数据结构，类似于 pandas 的 Series，但专门用于存储地理几何对象。

from shapely.geometry import Point

# 创建一个 GeoSeries
gs = gpd.GeoSeries([Point(0, 0), Point(1, 1), Point(2, 2)])

print(gs)

常用函数

read_file()

read_file() 函数用于从文件中读取地理数据，支持多种格式，如 Shapefile、GeoJSON、KML 等。

# 读取 Shapefile
gdf = gpd.read_file('path/to/shapefile.shp')

# 读取 GeoJSON
gdf = gpd.read_file('path/to/file.geojson')

参数：

• filename：文件路径。
• driver：指定文件格式（可选）。
• encoding：指定文件编码（可选）。

to_file()

to_file() 函数用于将 GeoDataFrame 或 GeoSeries 写入文件。

# 将 GeoDataFrame 写入 Shapefile
gdf.to_file('path/to/output.shp')

# 将 GeoDataFrame 写入 GeoJSON
gdf.to_file('path/to/output.geojson', driver='GeoJSON')

参数：

• filename：输出文件路径。
• driver：指定输出文件格式（可选）。
• encoding：指定输出文件编码（可选）。

plot()

plot() 函数用于绘制地理数据。

# 绘制 GeoDataFrame
gdf.plot()

# 绘制 GeoSeries
gs.plot()

参数：

• column：指定用于绘制的列（可选）。
• cmap：指定颜色映射（可选）。
• ax：指定绘图轴（可选）。
• figsize：指定图形大小（可选）。

sjoin()

sjoin() 函数用于空间连接（Spatial Join），即将两个 GeoDataFrame 根据空间关系进行连接。

# 空间连接
result = gpd.sjoin(gdf1, gdf2, how='inner', op='intersects')

参数：

• left_df：左边的 GeoDataFrame。
• right_df：右边的 GeoDataFrame。
• how：连接方式（'inner', 'left', 'right'）。
• op：空间关系操作符（'intersects', 'contains', 'within' 等）。

overlay()

overlay() 函数用于执行空间叠加操作（Overlay），如交集、并集、差异等。

# 计算两个 GeoDataFrame 的交集
result = gpd.overlay(gdf1, gdf2, how='intersection')

参数：

• df1：第一个 GeoDataFrame。
• df2：第二个 GeoDataFrame。
• how：叠加方式（'intersection', 'union', 'difference', 'symmetric_difference'）。

buffer()

buffer() 函数用于计算几何对象的缓冲区。

# 计算缓冲区
buffered = gdf.buffer(distance=100)

参数：

• distance：缓冲区距离。
• resolution：缓冲区分辨率（可选）。

centroid()

centroid() 函数用于计算几何对象的质心。

# 计算质心
centroids = gdf.centroid

dissolve()

dissolve() 函数用于根据某一列的值对 GeoDataFrame 进行聚合。

# 根据 'name' 列进行聚合
dissolved = gdf.dissolve(by='name')

参数：

• by：指定用于聚合的列。
• aggfunc：指定聚合函数（可选）。

cx 属性

cx 属性用于根据坐标范围筛选 GeoDataFrame 或 GeoSeries。

# 筛选经度在 [0, 10] 之间，纬度在 [0, 10] 之间的几何对象
filtered = gdf.cx[0:10, 0:10]

示例代码

以下是一个完整的示例，展示了如何使用 geopandas 进行地理数据处理和可视化：

import geopandas as gpd
from shapely.geometry import Point
import matplotlib.pyplot as plt

# 创建一个 GeoDataFrame
gdf = gpd.GeoDataFrame({
    'name': ['A', 'B', 'C'],
    'geometry': [Point(0, 0), Point(1, 1), Point(2, 2)]
})

# 绘制 GeoDataFrame
gdf.plot()
plt.show()

# 读取 Shapefile
gdf_shapefile = gpd.read_file('path/to/shapefile.shp')

# 绘制 Shapefile
gdf_shapefile.plot()
plt.show()

# 空间连接
gdf1 = gpd.GeoDataFrame({
    'name': ['A', 'B'],
    'geometry': [Point(0, 0), Point(1, 1)]
})

gdf2 = gpd.GeoDataFrame({
    'name': ['C', 'D'],
    'geometry': [Point(0.5, 0.5), Point(1.5, 1.5)]
})

result = gpd.sjoin(gdf1, gdf2, how='inner', op='intersects')
print(result)

总结

geopandas 是一个功能强大的库，用于处理和分析地理空间数据。提供了丰富的函数和方法，使得地理数据的读取、处理、分析和可视化变得更加简单和高效。通过掌握这些函数和方法，可以轻松地进行地理数据分析和地理信息系统（GIS）相关的任务。