长亭百川云 - 文章详情

【Python】Python GIS神器geopandas 1.0版本来了

机器学习初学者

69

2024-07-13

本文完整代码及附件已上传至Github仓库https://github.com/CNFeffery/DataScienceStudyNotes❞

1 简介

就在昨天,Python生态中著名的GIS分析库geopandas发布了其1.0.0正式版本。

历经10年迭代升级,geopandas充分完善了其在GIS数据分析上的功能,使得我们可以使用类似pandas的操作方式,便捷且高性能的开展各种常用的GIS分析运算,极大增强了PythonGIS分析领域的能力。

今天的文章,费老师我就将带大家一起快速了解在全新的1.0版本中,新的功能特性、优化提升以及相关API的变动情况🚀~

2 geopandas 1.0版本介绍

如果你还未曾安装使用过geopandas,我最推荐的方式是新建虚拟环境,并在虚拟环境中通过conda-forge源进行稳定安装,以当下非常流行的开源环境管理工具mamba(可参考我所写的教程

mamba使用教程

公众号:Python大数据分析是时候跟Conda说再见了

)为例,在终端执行下列命令(目前推荐Python版本为3.9),静静等待,即可一步到位完成最新版geopandas的安装:

`mamba create -n geopandas-env python=3.9 -y && mamba activate geopandas-env && mamba install geopandas -y   `

而如果你已经安装了先前版本的geopandas,那么在你的对应环境下,终端执行下列命令即可进行版本升级:

`mamba update geopandas -y   `

新安装或升级完成后,检查一下版本变化,成功升级到1.0.0版本🥳:

2.1 新增API介绍

首先我们来了解一下新版本geopandas中新增的部分主要的API:

2.1.1 新增count_geometries()方法

新增方法count_geometries(),用于针对多部件要素计算单体要素数量:

2.1.2 新增count_interior_rings()方法

新增方法count_interior_rings(),用于针对多边形要素计算内环数量:

2.1.3 新增relate_pattern()方法

新增方法relate_pattern(),用于计算要素之间是否满足特定的DE-9IM(一种分别计算成对要素在内部、边界、外部两两之间相交相离状态的复杂空间模型)空间关系,具体的原理细节较多,我会在之后单独撰文介绍,下面仅演示relate_pattern()的使用示例:

2.1.4 新增intersection_all()方法

新增方法intersection_all(),用于计算矢量列中全体要素的公共相交部分:

2.1.5 新增line_merge()方法

新增方法line_merge(),用于快速合并一系列端点相交的线要素:

2.1.6 新增set_precision()、get_precision()方法

新增方法set_precision()get_precision(),用于设置及获取矢量列的坐标精度大小:

2.1.7 新增count_coordinates()方法

新增方法count_coordinates(),用于快速计算矢量列各要素坐标点数量:

2.1.8 新增is_ccw属性方法

新增属性方法is_ccw,用于针对坐标点数量大于等于4个的线要素,判断其坐标串方向是否符合逆时针方向:

2.1.9 新增is_closed属性方法

新增属性方法is_closed,用于判断线要素是否起点终点相同:

2.1.10 新增force_2d()、force_3d()方法

新增方法force_2d()force_3d(),用于将矢量列强制去除z轴坐标、强制添加z轴坐标:

2.1.11 新增voronoi_polygons()方法

新增方法voronoi_polygons(),用于基于整体矢量列的所有顶点,快速生成泰森多边形:

2.1.12 新增contains_properly()方法

新增方法contains_properly(),用于快捷判断矢量A是否严格包含矢量B,与contains()方法的区别是,contains_properly()不允许作比较的矢量间有任何公共点:

2.1.13 新增build_area()方法

新增方法build_area(),用于基于一系列可以构成闭合面要素的线要素,整体生成合法的若干多边形:

2.1.14 新增snap()方法

新增方法snap(),用于将满足距离阈值要求的要素A挂靠到对应的要素B之上:

2.1.15 新增transform()方法

新增方法transform(),用于基于自定义坐标偏移函数,实现对矢量要素的坐标转换,其中自定义函数的输入为N行2列后N行3列的numpy数组,输出形状与输入一致即可,我们可以配合numpy中的apply_along_axis()实现自由的坐标点级别转换计算,而无需关心输入的要素是点线面中的哪种:

2.1.16 新增get_geometry()方法

新增方法get_geometry(),用于将矢量列各要素视作多部件要素,进行快捷位序索引:

2.1.17 新增dwithin()方法

新增方法dwithin(),用于快速判断矢量A是否在矢量B目标的指定距离内:

2.1.18 新增to_geo_dict()方法

新增方法to_geo_dict(),用于将GeoDataFrame快捷转化为GeoJSON格式字典数据结构:

2.2 功能增强

接下来我们来了解新版本中获得功能增强的一些主要API:

2.2.1 空间连接新增dwithin型空间关系判断

针对sjoin()方法,新增了dwithin型空间关系判断,使得我们可以在geopandas中真正意义上直接实现“匹配与目标要素距离在XXX以内的纪录行”:

2.2.2 配合pd.read_csv指定矢量列类型

在新版本中,我们可以将GeoDataFrame写出为csv格式,并在使用pd.read_csv()读取时,通过dtype参数将对应列指定解析为矢量类型:

2.2.3 to_json()新增参数show_bbox、drop_id、to_wgs84

针对GeoDataFrame.to_json(),新增参数show_bboxdrop_idto_wgs84,实现更为定制化的GeoJSON转化:

`demo_gdf = gpd.GeoDataFrame(       {           'name': ['示例要素'],           'geometry': [Point(106, 29)]       },       crs='EPSG:4524'   )   print(demo_gdf.to_json(       ensure_ascii=False,       indent=4,       show_bbox=True,       drop_id=True,       to_wgs84=False   ))   `

2.2.4 空间连接新增参数on_attribute

针对GeoDataFrame.sjoin(),新增参数on_attribute,用于额外施加常规表连接中的指定字段相等条件,相当于设置有效的on_attribute参数后,空间连接的结果将既满足空间关系,又满足字段匹配关系:

2.3 标记为废弃的API

新版本中也新增了一系列标记为废弃的API,将会在未来某个版本正式移除,请注意及时调整你的相关代码逻辑,其中主要的有:

  • unary_union将废弃,更换为union_all()

  • use_pygeos将废弃并在1.1版本中正式移除

由于pygeos已经合并入geopandas底层矢量计算所依赖的新版shapely中,因此对应的use_pygeos设置项也将退出历史舞台:

  • crs属性赋值以修改坐标系的方式将在未来版本被禁用,请统一使用set_crs()代替

篇幅有限,未能详尽介绍全部新版本内容,完整的更新日志请移步:https://github.com/geopandas/geopandas/releases/tag/v1.0.0


以上就是本文的全部内容,欢迎在评论区与我们进行讨论~







往期精彩回顾

  

  

  

  

*   [适合初学者入门人工智能的路线及资料下载](http://mp.weixin.qq.com/s?__biz=MzIwODI2NDkxNQ==&mid=2247484737&idx=1&sn=27c52b4bc4ca98d3ab817344b84226cc&chksm=97048efda07307eb78d4f4ec0039a386a658404156b051af0cb715fafa8d2ae66cbe49343bf3&scene=21#wechat_redirect)
    
*   [(图文+视频)机器学习入门系列下载](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzIwODI2NDkxNQ==&action=getalbum&album_id=2259163844755406853#wechat_redirect)
    
*   [机器学习及深度学习笔记等资料打印](http://mp.weixin.qq.com/s?__biz=MzIwODI2NDkxNQ==&mid=2247488304&idx=1&sn=581944f63eab1822ca53b9a4eeedad79&chksm=9704988ca073119a38a534adbedd51ca0b5705cdd6a104fed74b265bb092485e97c91bb5b347&scene=21#wechat_redirect)
    
*   [《统计学习方法》的代码复现专辑  
    ](https://mp.weixin.qq.com/mp/appmsgalbum?action=getalbum&album_id=1337257945842778113&__biz=MzIwODI2NDkxNQ==#wechat_redirect)
    







*   ```
    
    
    交流群
    
    
    ```
    

**欢迎加入机器学习爱好者微信群一起和同行交流,目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群,请扫描下面的微信号加群,备注:”昵称-学校/公司-研究方向“,例如:”张小明-浙大-CV“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~(**也可以加入机器学习交流qq群772479961)

  


相关推荐
关注或联系我们
添加百川云公众号,移动管理云安全产品
咨询热线:
4000-327-707
百川公众号
百川公众号
百川云客服
百川云客服

Copyright ©2024 北京长亭科技有限公司
icon
京ICP备 2024055124号-2