我有一个包含美国所有县的shapefile，并且我正在对一些经纬度进行查询，然后找出这些点所在的县。目前我只是循环遍历所有县并执行pnt.within(county)。这不太高效。有更好的方法吗？
1个回答
4
您的情况看起来是一个典型的需要使用“空间连接（spatial joins）”的案例。空间连接的思想是使用地理坐标而不是属性来合并数据。
在geopandas中有三种可能性： - intersects - within - contains
看起来您想要用"within"，可以使用以下语法实现：
在geopandas中有三种可能性： - intersects - within - contains
看起来您想要用"within"，可以使用以下语法实现：
geopandas.sjoin(points, polygons, how="inner", op='within')
注意：您需要安装rtree才能执行此类操作。如果需要安装依赖项，请使用pip或conda进行安装。
示例
作为一个示例，让我们绘制欧洲城市。这两个示例数据集是
import geopandas
import matplotlib.pyplot as plt
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
cities = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
countries = world[world['continent'] == "Europe"].rename(columns={'name':'country'})
countries.head(2)
pop_est continent country iso_a3 gdp_md_est geometry
18 142257519 Europe Russia RUS 3745000.0 MULTIPOLYGON (((178.725 71.099, 180.000 71.516...
21 5320045 Europe Norway -99 364700.0 MULTIPOLYGON (((15.143 79.674, 15.523 80.016, ...
cities.head(2)
name geometry
0 Vatican City POINT (12.45339 41.90328)
1 San Marino POINT (12.44177 43.93610)
cities 是一个全球数据集，countries 是一个欧洲范围的数据集。
这两个数据集需要在相同的投影系统下。如果不是，请在合并之前使用 .to_crs 进行转换。
data_merged = geopandas.sjoin(cities, countries, how="inner", op='within')
最后，为了查看结果，让我们进行一次映射
f, ax = plt.subplots(1, figsize=(20,10))
data_merged.plot(axes=ax)
countries.plot(axes=ax, alpha=0.25, linewidth=0.1)
plt.show()
底层数据集合并了我们所需的信息。
data_merged.head(5)
name geometry index_right pop_est continent country iso_a3 gdp_md_est
0 Vatican City POINT (12.45339 41.90328) 141 62137802 Europe Italy ITA 2221000.0
1 San Marino POINT (12.44177 43.93610) 141 62137802 Europe Italy ITA 2221000.0
192 Rome POINT (12.48131 41.89790) 141 62137802 Europe Italy ITA 2221000.0
2 Vaduz POINT (9.51667 47.13372) 114 8754413 Europe Austria AUT 416600.0
184 Vienna POINT (16.36469 48.20196) 114 8754413 Europe Austria AUT 416600.0
在这里，我使用了inner连接方法，但是如果你想保留所有点（包括那些不在多边形内的点），你可以更改该参数。
- linog
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接