当多边形重叠时，在geopandas中进行空间连接？

Question

我有两个数据集，一个是点（商店），一个是多边形（区域）。

由于我已经缓冲了这些多边形，所以在区域数据集中有时会出现重叠的多边形。

我想知道每个多边形是否有匹配的点？

joined = geopandas.sjoin(districts,shops, op='contains', how='inner')
joined

上面的代码可能只会给我匹配到的一个多边形。我该如何检查每个多边形呢？

- Kristoffer

---

这通常会给您所有匹配的多边形/点对。如果它不符合您的要求，我建议尝试一个小例子，并在此展示。 - joris

以上代码可能 - 你说的“可能”是什么意思？你试过了吗？发生了什么事？ - Paul H

您可能需要将参数更改为 how='right'。 - Börkur Sigurbjörnsson

Answer 1

简介

gpd.sjoin(districts, shops, how="left", op="contains") \
.reset_index()\
.rename(columns={"index": "districts"})\
.groupby(["districts"])\
.agg(nshops=("index_right", "nunique"), lshops=("index_right", "unique"))\
.astype(str)\
.replace("[nan]", "")

解释

问题设置

假设我们有三个区域（d1，d2和d3）。两个区域重叠（d1和d2）。我们有四家商店。 s1 在区域 d1 内，s2 在区域 d2 内。 s12 在区域 d1 和 d2 内。 s3 不在任何区域内。

我们使用 shapely 在 Python 中生成此几何图形：

from shapely.geometry import Point
from shapely.geometry import Polygon
import matplotlib.pyplot as plt
# Create Polygons for the districts
d1 = Polygon([(0, 0), (3, 0), (3, 3), (0, 3)])
d2 = Polygon([(1, 1), (4, 1), (4, 4), (1, 4)])
d3 = Polygon([(5, 2), (6, 2), (6, 3), (5, 3)])
# Create Points for the shops
s1 = Point(0.5, 0.5)
s2 = Point(3.5, 3.5)
s3 = Point(4.5, 2)
# This shop is in distric 1 and distric 2.
s12 = Point(2, 2)

将几何图形保存到GeoPandas DataFrame中，并使用matplotlib查看配置：

import geopandas as gpd
import matplotlib.pyplot as plt
districts = gpd.GeoDataFrame(index=['d1', 'd2', 'd3'], geometry=[d1, d2, d3])
shops = gpd.GeoDataFrame(index=['s1', 's12', 's2', 's3'], geometry=[s1, s12, s2, s3])
ax = districts.boundary.plot()
shops.plot(ax=ax, color='red')
plt.show()

现在让我们来看看GeoPandas中如何使用空间连接。我们必须注意数据框的顺序，因为操作不是可交换的。这意味着gpd.sjoin(shops, districts, how="inner", op="contains")不等于gpd.sjoin(districts, shops, how="inner", op="contains")。

现在让我们来看看六种排列方式：

1 gpd.sjoin(shops, districts, how="left", op="contains")

	几何形状	索引_右
s1	POINT (0.5 0.5)	nan
s12	POINT (2 2)	nan
s2	POINT (3.5 3.5)	nan
s3	POINT (4.5 2)	nan

将商店保留为索引，用 NaN 填充区域列。

2 gpd.sjoin(shops, districts, how="right", op="contains")

的程序相关内容：

	index_left	几何图形
d1	未知值	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))
d2	未知值	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))
d3	未知值	POLYGON ((5 2, 6 2, 6 3, 5 3, 5 2))

使用行政区作为索引，并将商铺列填充为空值NaN。

3 gpd.sjoin(shops, districts, how="inner", op="contains")

geometry	index_right

这会返回一个空的数据框，因为点不能包含多边形。

4 gpd.sjoin(districts, shops, how="left", op="contains")

	几何图形	右侧索引
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s1
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s2
d3	POLYGON ((5 2, 6 2, 6 3, 5 3, 5 2))	无

将行政区划保留为索引。

5 gpd.sjoin(districts, shops, how="right", op="contains")

	index_left	geometry
s1	d1	点 (0.5 0.5)
s12	d1	点 (2 2)
s12	d2	点 (2 2)
s2	d2	点 (3.5 3.5)
s3	无	点 (4.5 2)

将商店保留为索引。

6 gpd.sjoin(districts, shops, how="inner", op="contains")

	几何图形	索引右侧
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s1
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s2

与左侧获得的结果接近，将区域保留为索引，但删除NaN。

问题的答案

    gpd.sjoin(districts, shops, how="left", op="contains") \
    .reset_index()\
    .rename(columns={"index": "districts"})\
    .groupby(["districts"])\
    .agg(nshops=("index_right", "nunique"), lshops=("index_right", "unique"))\
    .astype(str)\
    .replace("[nan]", "")

区域	商店数量	商店列表
d1	2	['s1' 's12']
d2	2	['s12' 's2']
d3	0

通过这种方式，我们可以知道每个多边形是否有任何匹配点

- ucsky