用Python处理geoJSON中的点与多边形问题

Question

我有一个包含许多多边形（具体来说是普查区域）的geoJSON数据库和许多经纬度点。

我希望存在一种高效的Python代码，可以确定给定坐标所在的普查区域，但目前我的谷歌搜索并没有发现任何有用信息。

谢谢！

- Benjamin Horowitz

Answer 1

我找到了一篇有趣的文章，描述了如何做你想做的事情。

简而言之：使用Shapely

你会在文章结尾找到这段代码：

import json
from shapely.geometry import shape, Point
# depending on your version, use: from shapely.geometry import shape, Point

# load GeoJSON file containing sectors
with open('sectors.json') as f:
    js = json.load(f)

# construct point based on lon/lat returned by geocoder
point = Point(-122.7924463, 45.4519896)

# check each polygon to see if it contains the point
for feature in js['features']:
    polygon = shape(feature['geometry'])
    if polygon.contains(point):
        print 'Found containing polygon:', feature

- Zebs

---

有人知道这是否符合WGS84标准吗？ - ygbr

为了使Shapely 1.4.4正常工作，我需要将导入语句更改为 from shapely.geometry import shape, Point。 - wf.

嗨，@Zebs。我找到了你的答案，但是我无法将其与我的数据一起使用。如果你有时间，是否可以看看这个问题：http://gis.stackexchange.com/questions/173835/point-in-polygon-geojson-using-shapely-python-always-returning-false。谢谢。 - pceccon

似乎我们需要将纬度/经度切换为经度/纬度才能使其正常工作，因为Shapely在x/y平面上执行其操作。感谢@pceccon的文章。 - alys

我认为你需要使用 open，例如：with open('sectors.json', 'r') as f:。 - Kirkman14

Answer 2

处理这些数据类型的一个很好的选择是PostGIS，它是PostgreSQL的空间数据库扩展程序。个人建议将所有地理数据存储在PostGIS数据库中，并使用psycopg2在python中引用它。虽然不是纯Python，但与纯Python相比具有惊人的性能优势（下文讨论）。

PostGIS内置了功能来确定点或形状是否在另一个形状内。对于ST_Within函数，良好的文档对此简单示例进行了扩展：

SELECT
ST_WITHIN({YOUR_POINT},boundary)
FROM census;
-- returns true or false for each of your tracts

使用PostGIS最大的好处是索引，这可以将速度提高1000倍[1]，甚至比最优秀的C程序（除非该C程序也为数据创建索引）还要好。当数据库正确设置时，它会缓存关于你的区域信息，并且当你询问某个点是否在区域内时，它不需要搜索所有内容...而是可以利用它的索引。

将数据导入和导出PostGRES非常简单。这里有一个很好的教程介绍PostGIS的基础知识，并提供了一些与您的数据集相似的示例数据。虽然这篇教程比较长，但如果您是PostGIS的新手（就像我一样），那么您会在整个过程中感到非常开心和兴奋：

链接：http://workshops.boundlessgeo.com/postgis-intro/ [1]索引使我的一个庞大数据库的最近邻搜索时间从53秒降低到8.2毫秒。

- sAlexander

---

教程链接已经失效，但是它也被托管（并修订）在这里：https://postgis.net/workshops/postgis-intro/。 - abu

Answer 3

在Python中无法编写真正快速的几何代码。相反，通常的方法是使用带有Python包装器的快速C/C++库。

例如，您可以从CGAL开始 - 一个非常全面的C++几何库。它具有大多数例程的Python绑定，请参见链接http://code.google.com/p/cgal-bindings/。

- Michael Simbirsky