2024-06-25碼農

添加微訊號 " CNFeffery "

備註 " 數據分析 " 加 入技術交流群

❝

本文完整程式碼及附件已上傳至我的 Github 倉庫https://github.com/CNFeffery/DataScienceStudyNotes

❞

1 簡介

大家好我是費老師，就在昨天， Python 生態中著名的 GIS 分析庫 geopandas 釋出了其 1.0.0 正式版本。

歷經10年叠代升級， geopandas 充分完善了其在 GIS 數據分析上的功能，使得我們可以使用類似 pandas 的操作方式，便捷且高效能的開展各種常用的 GIS 分析運算，極大增強了 Python 在 GIS 分析領域的能力。

今天的文章，費老師我就將帶大家一起快速了解在全新的 1.0 版本中，新的功能特性、最佳化提升以及相關API的變動情況🚀~

2 geopandas 1.0版本介紹

如果你還未曾安裝使用過 geopandas ，我最推薦的方式是新建虛擬環境，並在虛擬環境中透過 conda-forge 源進行穩定安裝，以當下非常流行的開源環境管理工具 mamba （可參考我所寫的教程

mamba使用教程

公眾號：Python大數據分析

）為例，在終端執行下列命令（目前推薦 Python 版本為3.9），靜靜等待，即可一步到位完成最新版 geopandas 的安裝：

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

而如果你已經安裝了先前版本的 geopandas ，那麽在你的對應環境下，終端執行下列命令即可進行版本升級：

mamba update geopandas -y

新安裝或升級完成後，檢查一下版本變化，成功升級到 1.0.0 版本🥳：

2.1 新增API介紹

首先我們來了解一下新版本 geopandas 中新增的部份主要的API：

2.1.1 新增count_geometries()方法

新增方法 count_geometries() ，用於針對多部件要素計算單體要質數量：

2.1.2 新增count_interior_rings()方法

新增方法 count_interior_rings() ，用於針對多邊形要素計算內環數量：

2.1.3 新增relate_pattern()方法

新增方法 relate_pattern() ，用於計算要素之間是否滿足特定的 DE-9IM （一種分別計算成對要素在內部、邊界、外部兩兩之間相交相離狀態的復雜空間模型）空間關系，具體的原理細節較多，我會在之後單獨撰文介紹，下面僅演示 relate_pattern() 的使用範例：

2.1.4 新增interp_all()方法

新增方法 interp_all() ，用於計算向量列中全體要素的公共相交部份：

2.1.5 新增line_merge()方法

新增方法 line_merge() ，用於快速合並一系列端點相交的線要素：

2.1.6 新增set_precision()、get_precision()方法

新增方法 set_precision() 、 get_precision() ，用於設定及獲取向量列的座標精度大小：

2.1.7 新增count_coordinates()方法

新增方法 count_coordinates() ，用於快速計算向量列各要素座標點數量：

2.1.8 新增is_ccw內容方法

新增內容方法 is_ccw ，用於針對座標點數量大於等於4個的線要素，判斷其座標串方向是否符合逆時針方向：

2.1.9 新增is_closed內容方法

新增內容方法 is_closed ，用於判斷線要素是否起點終點相同：

2.1.10 新增force_2d()、force_3d()方法

新增方法 force_2d() 、 force_3d() ，用於將向量列強制去除z軸座標、強制添加z軸座標：

2.1.11 新增voronoi_polygons()方法

新增方法 voronoi_polygons() ，用於基於整體向量列的所有頂點，快速生成泰森多邊形：

2.1.12 新增contains_properly()方法

新增方法 contains_properly() ，用於快捷判斷向量A是否嚴格包含向量B，與 contains() 方法的區別是， contains_properly() 不允許作比較的向量間有任何公共點：

2.1.13 新增build_area()方法

新增方法 build_area() ，用於基於一系列可以構成閉合面要素的線要素，整體生成合法的若幹多邊形：

2.1.14 新增snap()方法

新增方法 snap() ，用於將滿足距離閾值要求的要素A掛靠到對應的要素B之上：

2.1.15 新增transform()方法

新增方法 transform() ，用於基於自訂座標偏移函式，實作對向量要素的座標轉換，其中自訂函式的輸入為N行2列後N行3列的 numpy 陣列，輸出形狀與輸入一致即可，我們可以配合 numpy 中的 apply_along_axis() 實作自由的座標點級別轉換計算，而無需關心輸入的要素是點線面中的哪種：

2.1.16 新增get_geometry()方法

新增方法 get_geometry() ，用於將向量列各要素視作多部件要素，進行快捷位序索引：

2.1.17 新增dwithin()方法

新增方法 dwithin() ，用於快速判斷向量A是否在向量B目標的指定距離內：

2.1.18 新增to_geo_dict()方法

新增方法 to_geo_dict() ，用於將 GeoDataFrame 快捷轉化為 GeoJSON 格式字典數據結構：

2.2 功能增強

接下來我們來了解新版本中獲得功能增強的一些主要API：

2.2.1 空間連線新增dwithin型空間關系判斷

針對 sjoin() 方法，新增了 dwithin 型空間關系判斷，使得我們可以在 geopandas 中真正意義上直接實作「匹配與目標要素距離在XXX以內的紀錄行」：

2.2.2 配合pd.read_csv指定向量列型別

在新版本中，我們可以將 GeoDataFrame 寫出為 csv 格式，並在使用 pd.read_csv() 讀取時，透過 dtype 參數將對應列指定解析為向量型別：

2.2.3 to_json()新增參數show_bbox、drop_id、to_wgs84

針對 GeoDataFrame.to_json() ，新增參數 show_bbox 、 drop_id 、 to_wgs84 ，實作更為客製化的 GeoJSON 轉化：

demo_gdf = gpd.GeoDataFrame( { 'name': ['範例要素'], '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 ))