[Python] GeoPandas操作矢量数据（shp、GeoJSON）

link之家
链接快照平台
输入网页链接，自动生成快照
标签化管理网页链接
相关文章推荐
逆袭的鸵鸟 · python opencv yuv 转 ...· 11 月前 ·
瘦瘦的打火机 · jquery 通过遍历数组 ...· 1 年前 ·
含蓄的松球 · 根据pyspark中的条件从datafram ...· 1 年前 ·
聪明伶俐的铁板烧 · 【python】logging日志实时打印到 ...· 2 年前 ·
【Python处理矢量数据（例shp文件）】
1.ogr：GDAL项目中用于处理矢量数据的模块
2.fiona：基于ogr的封装，提供了更简洁了API
3. geopandas ：基于fiona进行封装，并在pandas的基础上添加了对空间数据的支持，实现了读取空间数据以及对空间数据进行处理
示例
- 基础操作
- 简单操作实例
GeoPandas的数据结构
- GeoSeries管理空间属性
- GeoDataFrame用表格形式组织地理数据
投影
制图工具
空间链接
- 属性连接
- 空间连接
空间分析
- 集合操作
- 叠置分析overlay
其他
编码问题
（1）读、写、看
# 读文件
gdf = geopandas.GeoDataFrame.from_file("shp文件路径", encoding='gb18030')
gdf = geopandas.read_file("package.gpkg", layer='countries')
gdf = geopandas.read_file("shp文件路径")
gdf.head()  #输出属性表
gdf.plot()	#画
gdf.show()
gdf.to_file("countries.geojson", driver='GeoJSON')
gdf.to_file("countries.shp")
（2）遍历 
for i in range(0, len(gdf) ):
    geo = gdf.geometry[i] #获取空间属性，即GeoSeries
    name = gdf.NAME[i]	  #获得属性数据，即字段
（3）索引 
# 可用：.loc .iloc .cs索引方法
（4）其他 
# 投影转换
tmp_gdf = gdf.to_crs(crs)
new_gdf = gdf1.to_crs(gdf2.crs) #gdf1和gdf2统一坐标系
# 求面积
df = df.to_crs({'init': 'epsg:32650'}) #转成投影坐标后，才能算出正确的面积（示例，转为墨卡托投影）
df['area'] = df.apply(lambda row: row.geometry.area, axis=1)
# 合并两个数据
new_df = df1.append(df2)
简单操作实例
 
（1）简单创造、构造空间属性、添加其他属性 
from shapely.geometry 
import  Polygon;
from geopandas import GeoSeries,GeoDataFrame
# 创造Polygon
p1 = Polygon([(0, 0), (1, 0), (1, 1)])
p2 = Polygon([(0, 0), (1, 0), (1, 1), (0, 1)])
p3 = Polygon([(2, 0), (3, 0), (3, 1), (2, 1)])
# 构造空间属性，即GeoSeries
g = GeoSeries([p1, p2, p3])
g.show()		#显示
g.buffer(0.5)	#缓冲区
g.boundary		#边界
g.centroid		#质心
# 添加属性
gdf = GeoDataFrame({'属性名' : [1, 2, ..]}, geometry=g)
GeoPandas的数据结构
 
【GeoPandas】主要包含两个数据结构，即GeoSeries和GeoDataFrame
 空间数据主要由两部分组成，属性数据和空间属性。属性数据即是shp中的属性表，空间属性即为shp中每个单元的几何形状。
 1.【GeoSeries】用GeoSeries表示空间属性（即geometry）。
 2.【GeoDataFrame】可以把GeoDataFrame理解为shp的属性表，但比shp的属性表多一列，这一列就是空间数据（即GeoSeries）
  
GeoSeries管理空间属性
 
【GeoSeries】GeoSeries只管理空间属性，不包含GeoDataFrame中的其他属性。主要包括：点/多点、线/多线、面/多面 
（1）方法和属性 
GeoSeries.area		#面积
GeoSeries.bounds 	#边界：minx, miny, maxx, maxy
GeoSeries.length	#几何的长度
GeoSeries.geom_type	#几何类型
GeoSeries.to_crs(src)	#改变坐标系
GeoSeries.plot()		#制图
GeoSeries.distance(other)	#最小距离
GeoSeries.centroid()		#质心
GeoSeries.representative_point()	#返回在每个几何内部的点，但不返回重心
GeoSeries.exterior	#返回线环（LinearRings）的一个GeoSeries，它表示GeoSeries中每个多边形的外边界
GeoSeries.interior	#返回内部环序列的一个GeoSeries，它表示GeoSeries中每个多边形的内部环
（2）谓词 
GeoSeries.is_empty	#返回一个布尔型的Series，对于一个空的几何图形，该值就为True
GeoSeries.is_ring	#返回一个布尔型的Series，对于闭合的要素，该值就为True
GeoSeries.is_simple	#返回一个布尔型的Series，如果几何体自身不交叉，该值就为True(仅对线串--LineStrings和线环--LineRings有意义)
GeoSeries.is_valid	#返回一个布尔型的Series，如果几何体是有效的，该值就为True
GeoSeries.almost_equals(other[,decimal=6])	#返回一个布尔型的Series对象，如果在指定的小数位精度下，每个对象所有点与其他对象大致相等，该值就为True（可见equals()）
GeoSeries.contains(other)	#返回一个布尔型的Series，如果每个对象的内部包含其他对象的内部和边界，并且它们的边界不相接，该值为True
GeoSeries.crosses(other)	#返回一个布尔型的Series，如果每个对象的内部与其他对象的内部相交但不包含，并且相交的部分小于这两个相交对象自身，该值为True
GeoSeries.disjoint(other)	#返回一个布尔型的Series，如果每个对象的边界和内部与其他对象的边界和内部都不相交，该值为True
GeoSeries.equals(other)		#返回一个布尔型的Series，如果几何对象集合的边界，内部，外部都与其他几何对象一样，该值为True。
GeoSeries.




    
intersects(other)	#返回一个布尔型的Series，如果每个对象的边界和内部以其它任何形式与其他对象相交，该值为True。
GeoSeries.touches(other)	#返回一个布尔型的Series，如果对象与其他对象至少有一个点相同，且它们的内部任何部分都不相交，该值为True。
GeoSeries.within(other)		#返回一个布尔型的Series， 如果每个对象的边界和内部只与其他对象的内部相交（不包括边界和外部），该值为True（与contains()方法相反）
（3）不常用 
GeoSeries.xticks(rotation = 90) #x刻度数值旋转90°
GeoDataFrame用表格形式组织地理数据
 
【GeoDataFrame】包含GeoSeries的表格数据结构 
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))	#打开geopandas内置数据库中的数据
world.head()	#查看数据结构
world.plot()	#制图
world = world.rename(columns={'geometry': 'borders'}).set_geometry('borders')　　 #更改geometry列的名字
world['centroid_column'] = world.centroid         #  把质点赋给world的列centroid_column中
world = world.set_geometry('centroid_column')   #   把几何列设为centroid_column
【GeoPandas投影】基于proj4
 【GeoPandas支持的坐标系表达方式】
 1.+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs
 2.+init=epsg:4326
 【常用坐标系代码EPSG】查看全部坐标系代码请点我；坐标系Wkid详细介绍；投影坐标Wkid详细介绍 
WGS84 Latitude/Longitude "+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"或者是"+init=epsg:4326"
UTM Zones (North) "+proj=utm +zone=33 +ellps=WGS84 +datum=WGS84 +units=m +no_defs"
UTM Zones (South) "+proj=utm +zone=33 +ellps=WGS84 +datum=WGS84 +units=m +no_defs +south" 
# 获得数据的投影
GeoDataFrame.crs
# 用EPSG代码设置投影
my_geoseries.crs = {'init' :'epsg:4326'}
# 投影转换
world = world.to_crs({'init': 'epsg:3395'})
world.slow()
# 画等值线
world = world[(world.pop_est>0) & (world.name!="Antarctica")]
world['gdp_per_cap'] = world.gdp_md_est / world.pop_est  #计算GDP
world.plot(column='gdp_per_cap')
# 改变颜色
world.plot(column='gdp_per_cap',cmap='OrRd')
# 两个图层叠加
base = world.plot(color='white', edgecolor='black');cities.plot(ax=base, marker='o', color='red', markersize=5);
# 两个图层叠加
ax = world.plot(color="read")
gdf2.plot(ax=ax, color="green")
# 设置题目
base.set_title("WGS84 (lat/lon)")
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
cities = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
country_shapes = world[['geometry', 'iso_a3']]
country_names = world[['name', 'iso_a3']]
# 属性连接
country_shapes.head()
country_names.head()
country_shapes = country_shapes.merge(country_names, on='iso_a3')
country_shapes.head()
cities = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
country_shapes = world[['geometry', 'iso_a3']]
country_names = world[['name', 'iso_a3']]
# For spatial join
countries = world[['geometry', 'name']]
countries = countries.rename(columns={'name':'country'})
# 空间连接
countries.head()
cities.head()
cities_with_country = geopandas.sjoin(cities, countries, how="inner", op='intersects')
cities_with_country.head()
基于shapely第三方库 
GeoSeries.buffer(distance, resolution=16) #缓冲区
GeoSeries.boundary	#表示每个几何的集合理论边界的低维对象
GeoSeries.centroid	#几何的质心
GeoSeries.convex_hull	#建立最小多边形
GeoSeries.envelope		#建立表示包含每个对象的点或最小矩形多边形（边平行于坐标轴）的几何图形
GeoSeries.unary_union	#返回包含所有几何的并集的几何
GeoSeries.simplify		#返回GeoSeries包含每个对象的简化表示的a
GeoSeries.rotate		#旋转GeoSeries的坐标
GeoSeries.scale			#沿着每个（x，y，z）维度缩放GeoSeries的几何
GeoSeries.skew			#通过沿x和y维度的角度剪切/倾斜GeoSeries的几何
GeoSeries.translate		#移动GeoSeries的坐标
叠置分析overlay
 
newdf = geopandas.overlay(df1, df2, how='intersection', make_valid=True, use_sindex=None)
	# [how] intersection;union;identity;symmetric_difference;difference
【安装】先安装 GDAL,Fiona, pyproj , Shapely等依赖包l，再利用pip install geopandas安装 
（1）保存shp文件，字段成乱码 
GeoDataFrame.to_file('D:\tmp.shp', encoding="utf-8") 
【相关链接】 
 1.GeoPandas官方文档 
【学习链接】
 1.使用Python实现子区域数据分类统计
 2.GeoPandas官方中文文档–译著
 3.GeoPandas随笔
                                    在实际的空间数据分析过程中，数据可视化只是对最终分析结果的发布与展示，在此之前，根据实际任务的不同，需要衔接很多较为进阶的空间操作，本文就将对geopandas中的部分空间计算进行介绍。
GeoPandas是一个开源项目，可以更轻松地使用python处理地理空间数据。
GeoPandas扩展了Pandas中使用的数据类型DataFrame，允许对几何类型进行空间操作。
GeoPandas的目标是使在python中使用地理空间数据更容易。它结合了Pandas和Shapely的能力，提供了Pandas的地理空间操作和多种Shapely的高级接口。GeoPandas可以让您轻松地在python中进行操作，否则将需要...
                                    本文主要介绍GeoPandas的使用要点。GeoPandas是一个Python开源项目，旨在提供丰富而简单的地理空间数据处理接口。GeoPandas扩展了Pandas的数据类型，并使用matplotlib进行绘图。GeoPandas官方仓库地址为：GeoPandas[1]。GeoPandas的官方文档地址为：GeoPandas-doc[2]。本文主要参考GeoPandas Examples Gal...
geopandas是建立在GEOS、GDAL、PROJ等开源地理空间计算相关框架之上的，类似pandas 语法风格的空间数据分析 Python 库，其目标是尽可能地简化 Python 中的地理空间数据处理，减少对 Arcgis 、 PostGIS 等工具的依赖，使得处理地理空间数据变得更加高效简洁，打造纯 Python 式的空间数据处理工作流。本系列文章就将围绕 geopandas 及其使用过程中涉及到的其他包进行系统性的介绍说明，每一篇将尽可能全面具体地介绍 geopandas 对应.....
黄河流域河网shp格式矢量数据；
黄河流域河网shp格式矢量数据；
数据来源于DEM提取获得，源DEM数据使用格式为ASTER GDEM V3版本，分辨率为30米的DEM数据，通过计算流向、流量阈值等从DEM数据中 提取得到河网矢量数据；
黄河流域河网矢量数据格式为shapefile（shp）格式，数据采用WGS-84坐标系；
该数据包含了黄河流域上中下游整个流域的河网矢量数据，较为完善；
可用于实验分析和科研计算等方面。
                                    一、什么是geojson？
GeoJSON是一种对各种地理数据结构进行编码的格式，基于Javascript对象表示法的地理空间信息数据交换格式。GeoJSON支持点、线、面、多点、多线、多面和几何集合等几何类型。GeoJSON里的特征包含一个几何对象和其他属性，特征集合表示一系列特征。本质上，geojson还是json，是一个字符串数据格式。像下面这样：
{ "type": "Polygon",
  "coordinates": [
    [ [100.0, 0.0], [101.0, 0.0], [10
环境：python3.6
编译器：Geany
我是一个学GIS的，今天突然被老板喊过去，要求我用python实现读取shp属性表元素并导出到外部txt文件，还要实现“我输入某个编号，就要删除包括编号在内的全部行信息”。好吧，程序媛上线。
目录python读取本地shp属性表内容并进行选择性删除下载第三方库有以下几种方法：实现过程和代码进行删除操作遇到输出中文的情况
下载第三方库有以下几种方法：
环境的搭建就不细说了，第三方库用cmd中的快速安装语句还是