【问题标题】：PANDAS-GEOPANDAS: Localization of points in a shapefilePANDAS-GEOPANDAS：形状文件中点的本地化
【发布时间】：2020-04-16 14:51:17
【问题描述】：

使用 pandas 和 geopandas，我想定义一个函数以应用于数据帧的每一行，其操作如下： INPUT：带坐标的列 OUTPUT：点所在的区域。

我试过这个，但需要很长时间。

def zone_assign(point,zones,codes):
    try:
        zone_label=zones[zones['geometry'].contains(point)][codes].values[0]
    except:
        zone_label=np.NaN
    return(zone_label)

在哪里： point 是包含地理坐标的行的单元格； zone 是使用 geopandas 导入的 shapefile； code 是 shapefile 的列，其中包含要分配给该点的标签。

【问题讨论】：

你在找geopandas.sjoin.(geopandas.readthedocs.io/en/stable/mergingdata.html)

标签： python pandas geolocation shapefile geopandas

【解决方案1】：

部分答案，取自我之前的另一个答案that needed within rather than contains

您的情况看起来像是spatial joins 有用的典型情况。空间连接的想法是使用地理坐标而不是使用属性来合并数据。

geopandas中的三种可能：

intersects
within
contains

您似乎想要contains，可以使用以下语法：

geopandas.sjoin(polygons, points, how="inner", op='contains')

注意：您需要安装rtree 才能执行此类操作。如果需要安装这个依赖，使用pip或者conda来安装

示例

作为示例，让我们随机抽取城市样本并绘制相关的国家/地区。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'))
cities = cities.sample(n=50, random_state=1)

world.head(2)

    pop_est     continent   name    iso_a3  gdp_md_est  geometry
0   920938  Oceania     Fiji    FJI     8374.0  MULTIPOLYGON (((180.00000 -16.06713, 180.00000...
1   53950935    Africa  Tanzania    TZA     150600.0    POLYGON ((33.90371 -0.95000, 34.07262 -1.05982...


cities.head(3)
    name    geometry
196     Bogota  POINT (-74.08529 4.59837)
95  Tbilisi     POINT (44.78885 41.72696)
173     Seoul   POINT (126.99779 37.56829)

world 是一个全球数据集，cities 是一个子集。

两个数据集需要在同一个投影系统中。如果没有，请在合并前使用.to_crs。

data_merged = geopandas.sjoin(countries, cities, how="inner", op='contains')

最后，看看结果，让我们做一张地图

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()

并且底层数据集将我们需要的信息合并在一起

data_merged.head(2)

    pop_est     continent   name_left   iso_a3  gdp_md_est  geometry    index_right     name_right
7   6909701     Oceania     Papua New Guinea    PNG     28020.0     MULTIPOLYGON (((141.00021 -2.60015, 142.73525 ...   59  Port Moresby
9   44293293    South America   Argentina   ARG     879400.0    MULTIPOLYGON (((-68.63401 -52.63637, -68.25000...   182     Buenos Aires

在这里，我使用了inner 连接方法，但如果您想保留所有点，包括不在多边形内的点，您可以更改该参数。

【讨论】：

因此，在您的示例中，您将城市与国家/地区相关联。为了将国家与城市联系起来，我应该使用类似的东西吗？ data_merged = geopandas.sjoin(cities, countries, how="inner", op='within') 例如。在引用数据集中，我想在“布宜诺斯艾利斯”行中添加一个单元格“阿根廷”
是的，我认为应该没问题。 data_merged = geopandas.sjoin(cities, countries, how="inner", op='intersects') 在这种情况下也可能产生所需的输出。