添加微信号 " CNFeffery "
备注 " 数据分析 " 加 入技术交流群
❝
本文完整代码及附件已上传至我的
Github
仓库https://github.com/CNFeffery/DataScienceStudyNotes
1 简介
大家好我是费老师,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
Python
在
GIS
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
)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interp_all()方法
新增方法
interp_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_bbox
、
drop_id
、
to_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~
加入知识星球 【我们谈论数据科学】
600+ 小伙伴一起学习!
· 推荐阅读 ·