如何有效地过滤 geopandas df 中不在形状多边形范围内的行？答案

【问题标题】：How to efficiently filter rows from geopandas df that are not within the bounds of a shapely polygon?如何有效地过滤 geopandas df 中不在形状多边形范围内的行？
【发布时间】：2021-06-03 20:06:24
【问题描述】：

我有一个常规的 pandas 数据框，我像这样一次性转换为 geopandas

from shapely.geometry import Polygon, Point
import geopandas
geo_df = geopandas.GeoDataFrame(input_df, geometry=geopandas.points_from_xy(input_df.Longitude, input_df.Latitude))

我还有一个坐标列表，我可以将其转换为 Shapely Polygon，如下所示：

grid_polygon = Polygon(shape_coordinates)

然后我想过滤geo_df 中不在形状多边形grid_polygon 范围内的所有行。

我目前的方法是：

geo_df['withinPolygon'] = ""
withinQlist = []
for lon,lat in zip(geo_df['longitude'], geo_df['latitude']):
    pt = Point(lon, lat)
    withinQ = pt.within(grid_polygon)
    withinQlist.append(withinQ)
geo_df['withinPolygon'] = withinQlist
geo_df = geo_df[geo_df.withinPolygon==True]

但这是非常低效的。我认为有一种方法可以在不遍历每一行的情况下做到这一点，但我能够找到的大多数解决方案都不使用形状多边形进行过滤。有什么想法吗？

谢谢

【问题讨论】：

使用 geo_df.apply() 应该比 for 循环稍快，但除非 Point 构造函数/检查可以向量化，否则您必须遍历所有行。
谢谢 - 是的 apply 是一种选择，但我认为有一种更原生的方式来做到这一点 - 我相信这里的 Point 转换实际上是不必要的 - 必要的信息应该已经由 points_from_xy 编码在 geopandas df 的初始化中。我目前正在尝试使用逻辑 df[df.geometry.within(polygon)] 但仍在测试。
这有帮助吗？ stackoverflow.com/questions/63369715/…

标签： python pandas geospatial geopandas shapely

【解决方案1】：

作为第一步，正如您在评论中已经提到的，您的代码可以简化如下：

import geopandas
geo_df = geopandas.GeoDataFrame(input_df, geometry=geopandas.points_from_xy(input_df.Longitude, input_df.Latitude)

geo_df_filtered = geo_df.loc[geo_df.within(grid_polygon)]

但有一些技术可以加快速度，具体取决于您拥有的数据类型和使用模式：

使用准备好的几何图形

如果您的多边形非常复杂，创建prepared geometry 将加快包含检查。这将在开始时预先计算各种数据结构，加快后续操作。（更多详情here。）

from shapely.prepared import prep

grid_polygon_prep = prep(grid_polygon)
geo_df_filtered = geo_df.loc[geo_df.geometry.apply(lambda p: grid_polygon_prep.contains(p))]

（不能像上面那样只做geo_df.loc[geo_df.within(grid_polygon_prep)]，因为 geopandas 不支持这里准备好的几何图形。）

使用空间索引

如果您需要针对多个grid_polygons（而不仅仅是一个）对一组给定点运行包含检查，那么在这些点上使用空间索引是有意义的。它会显着加快速度，尤其是当有很多点时。

Geopandas 为此提供了GeoDataFrame.sindex.query：

match_indices = geo_df.sindex.query(grid_polygon, predicate="contains")
# note that using `iloc` instead of `loc` is important here
geo_df_filtered = geo_df.iloc[match_indices]

不错的博文，还有更多解释：https://geoffboeing.com/2016/10/r-tree-spatial-index-python/

【讨论】：