使用 Python/Shapely 聚合地理点的最佳方式

Question

我想将一长串经纬度坐标转换为它们所属的美国州（或县）。鉴于我有状态几何，一种可能的解决方案是对照所有状态检查每个点。

for point in points:
    for state in states:
        if point.within(state['shape']):
            print state.name

是否有更优化的方法来做到这一点，可能在 O(1) 中？

Answer 1

使用Rtree 作为空间索引，以非常快速地识别零个或多个多边形的边界框中的点，然后使用 Shapely 确定该点所在的多边形。

类似于这个例子https://stackoverflow.com/a/14804366/327026

from shapely.geometry import Polygon, Point
from rtree import index

# List of non-overlapping polygons
polygons = [
    Polygon([(0, 0), (0, 1), (1, 1), (0, 0)]),
    Polygon([(0, 0), (1, 0), (1, 1), (0, 0)]),
]

# Populate R-tree index with bounds of polygons
idx = index.Index()
for pos, poly in enumerate(polygons):
    idx.insert(pos, poly.bounds)

# Query a point to see which polygon it is in
# using first Rtree index, then Shapely geometry's within
point = Point(0.5, 0.2)
poly_idx = [i for i in idx.intersection((point.coords[0]))
            if point.within(polygons[i])]
for num, idx in enumerate(poly_idx, 1):
    print("%d:%d:%s" % (num, idx, polygons[idx]))

如果您剖析列表推导，您会看到list(idx.intersection((point.coords[0]))) 实际上匹配两个多边形的边界框。另外，请注意边界上的点，如Point(0.5, 0.5)，不会与within 匹配，但会与intersects 匹配。所以准备匹配 0、1 或更多的多边形。