https://blog.csdn.net/learn_tech/article/details/80827063
GeoPandas是一個(gè)開(kāi)源項(xiàng)目，它的目的是使得在Python下更方便的處理地理空間數(shù)據(jù)。GeoPandas擴(kuò)展了pandas的數(shù)據(jù)類(lèi)型，允許其在幾何類(lèi)型上進(jìn)行空間操作。幾何操作由 shapely執(zhí)行。 GeoPandas進(jìn)一步依賴(lài)于 fiona進(jìn)行文件存取和 descartes ，matplotlib 進(jìn)行繪圖。
Geopandas 依賴(lài)庫(kù)
從 http://www.lfd.uci.edu/~gohlke/pythonlibs 下載 Fiona , GDAl , pyproj , Shapely
然后使用如下命令進(jìn)行安裝
pip install E:\Repository\python\Fiona-1.8.13-cp37-cp37m-win_amd64.whl
其他包可以通過(guò) pip install geopandas 安裝
描述
GeoPandas 的目的是在Python下更容易處理地理數(shù)據(jù)。它結(jié)合了pandas和shaply的功能，提供在pandas下的空間操作和shapel下高層次的處理多幾何構(gòu)型的接口。GeoPandas 允許你很容易的用Python進(jìn)行操作，不然的話，你將不得不用一個(gè)空間數(shù)據(jù)庫(kù)去處理，如PostGIS。
安裝
筆者目前的發(fā)現(xiàn)版本是0.1，安裝，可以使用pip或easy_install：
pip install geopandas
你也可以通過(guò)克隆 GitHub上的倉(cāng)庫(kù)去安裝最新的開(kāi)發(fā)版本，命令腳本如下：
git clone https://github.com/geopandas/geopandas.git
cd geopandas
python setup.py install
同樣也可以在PyPI上安裝最新的可用開(kāi)發(fā)版本，使用pip，加上--pre安裝1.4或者更高的版本，或者直接使用pip從GitHub倉(cāng)庫(kù)中安裝：
pip install git+git://github.com/geopandas/geopandas.git
依賴(lài)
支持Python版本2.6,2.7,和3.2+
依賴(lài)包：
- numpy
- pandas (version 0.13 or later)
- shapely
- fiona
- six
- geopy 0.99 (optional; for geocoding)
- psycopg2 (optional; for PostGIS connection)
繪圖的話會(huì)用到另外的一些包：
測(cè)試
從源目錄下運(yùn)行當(dāng)前的測(cè)試集，在命令行運(yùn)行：
nosetests -v
測(cè)試自動(dòng)運(yùn)行在GitHub庫(kù)中所有的提交事務(wù)上，包括在Travis CI的push請(qǐng)求。
GeoPandas 使用手冊(cè)
GeoPandas實(shí)現(xiàn)了兩個(gè)主要的數(shù)據(jù)結(jié)構(gòu)，GeoSeries和GeoDataFrame。它們分別是pandas中Series和DataFrame的子類(lèi)。
GeoSeries
一個(gè)GeoSeries包含一個(gè)幾何圖形的序列。
GeoSeries類(lèi)實(shí)現(xiàn)了幾乎所有的Shapely對(duì)象的屬性和方法。在使用GeoSeries時(shí)，它將應(yīng)用于序列中所有幾何圖形的每一個(gè)元素。二元操作可以在兩個(gè)GeoSeries對(duì)象之間進(jìn)行，這種情況下二元操作將應(yīng)用于每一個(gè)元素。這兩個(gè)序列將按匹配的索引進(jìn)行對(duì)于操作。二元操作也可以應(yīng)用于單個(gè)幾何，此時(shí)二元操作將對(duì)該幾何序列的每個(gè)元素進(jìn)行。在以上兩種情況下，操作將會(huì)返回Series或者GeoSeries對(duì)象。
在GeoSeries對(duì)象中，以下Shapely對(duì)象的方法和屬性是可以使用的：
GeoSeries.area
返回一個(gè)Series，它包含GeoSeries中每個(gè)幾何的面積。
GeoSeries.bounds
返回一個(gè)DataFrame，它包含每個(gè)幾何的邊界，用列值minx，miny，maxx，maxy來(lái)表示。
GeoSeries.length
返回一個(gè)Series，它包含每個(gè)幾何的長(zhǎng)度。
GeoSeries.geom_type
返回一個(gè)字符串的Series，字符串指定每個(gè)對(duì)象的幾何類(lèi)型。
GeoSeries.distance(other)
返回一個(gè)Series，它包含與其他GeoSeries對(duì)象（每個(gè)元素）或幾何對(duì)象的最小距離。
GeoSeries.representative_point()
返回所有點(diǎn)的一個(gè)GeoSeries（經(jīng)簡(jiǎn)易計(jì)算），這些點(diǎn)必須保證在每個(gè)幾何的內(nèi)部。
GeoSeries.exterior
返回線環(huán)（LinearRings）的一個(gè)GeoSeries，它表示GeoSeries中每個(gè)多邊形的外邊界。
GeoSeries.interior
返回內(nèi)部環(huán)序列的一個(gè)GeoSeries，它表示GeoSeries中每個(gè)多邊形的內(nèi)部環(huán)。
一元謂詞操作
GeoSeries.is_empty
返回一個(gè)布爾型的Series，對(duì)于一個(gè)空的幾何圖形，該值就為T(mén)rue。
GeoSeries.is_ring
返回一個(gè)布爾型的Series，對(duì)于閉合的要素，該值就為T(mén)rue。
GeoSeries.is_simple
返回一個(gè)布爾型的Series，如果幾何體自身不交叉，該值就為T(mén)rue(僅對(duì)線串--LineStrings和線環(huán)--LineRings有意義)。
GeoSeries.is_valid
返回一個(gè)布爾型的Series，如果幾何體是有效的，該值就為T(mén)rue。
二元謂詞操作
示例
>>> 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)])
>>> g = GeoSeries([p1, p2, p3])
>>> g
0 POLYGON ((0.0000000000000000 0.000000000000000...
1 POLYGON ((0.0000000000000000 0.000000000000000...
2 POLYGON ((2.0000000000000000 0.000000000000000...
dtype: objec
[圖片上傳失敗...(image-824711-1575962477204)]
一些地理操作返回標(biāo)準(zhǔn)的pandas對(duì)象。一個(gè)GeoSeries對(duì)象的area屬性將會(huì)返回一個(gè)pandas.Series,它包含GeoSeries中每一項(xiàng)的面積。
>>> print g.area
0 0.5
1 1.0
2 1.0
dtype: float64
其他操作返回GeoPandas對(duì)象：
>>> g.buffer(0.5)
Out[15]:
0 POLYGON ((-0.3535533905932737 0.35355339059327...
1 POLYGON ((-0.5000000000000000 0.00000000000000...
2 POLYGON ((1.5000000000000000 0.000000000000000...
dtype: object
[圖片上傳失敗...(image-594da9-1575962477204)]
GeoPandas對(duì)象能后繪制這些圖像。GeoPandas 使用descartes ，用matplotlib庫(kù)繪制。為生產(chǎn)我們的GeoSeries圖形，使用以下命令：
>>> g.plot()
GeoPandas也實(shí)現(xiàn)了替代構(gòu)造函數(shù)，能夠讀取被fiona識(shí)別的格式。為讀取包含紐約市鎮(zhèn)文件（file containing the boroughs of New York City）：
>>> boros = GeoDataFrame.from_file('nybb.shp')
>>> boros.set_index('BoroCode', inplace=True)
>>> boros.sort()
>>> boros
BoroName Shape_Area Shape_Leng \
BoroCode
1 Manhattan 6.364422e+08 358532.956418
2 Bronx 1.186804e+09 464517.890553
3 Brooklyn 1.959432e+09 726568.946340
4 Queens 3.049947e+09 861038.479299
5 Staten Island 1.623853e+09 330385.036974
geometry
BoroCode
1 (POLYGON ((981219.0557861328125000 188655.3157...
2 (POLYGON ((1012821.8057861328125000 229228.264...
3 (POLYGON ((1021176.4790039062500000 151374.796...
4 (POLYGON ((1029606.0765991210937500 156073.814...
5 (POLYGON ((970217.0223999023437500 145643.3322...
[圖片上傳失敗...(image-228c36-1575962477204)]
>>> boros['geometry'].convex_hull
0 POLYGON ((915517.6877458114176989 120121.88125...
1 POLYGON ((1000721.5317993164062500 136681.7761...
2 POLYGON ((988872.8212280273437500 146772.03179...
3 POLYGON ((977855.4451904296875000 188082.32238...
4 POLYGON ((1017949.9776000976562500 225426.8845...
dtype: object
[圖片上傳失敗...(image-9e460d-1575962477204)]
為展示更復(fù)雜的操作，我們生產(chǎn)包含2000個(gè)隨機(jī)點(diǎn)的一個(gè)GeoSeries：
>>> from shapely.geometry import Point
>>> xmin, xmax, ymin, ymax = 900000, 1080000, 120000, 280000
>>> xc = (xmax - xmin) * np.random.random(2000) + xmin
>>> yc = (ymax - ymin) * np.random.random(2000) + ymin
>>> pts = GeoSeries([Point(x, y) for x, y in zip(xc, yc)])
現(xiàn)在在每個(gè)點(diǎn)周?chē)垂潭ǖ陌霃嚼L制圓：
>>> circles = pts.buffer(2000)
我們可以使用以下命令使這些圓合并成單個(gè)shapely的MutiPolygon幾何對(duì)象：
>>> mp = circles.unary_union
提取在每個(gè)區(qū)內(nèi)的上一步生成的幾何對(duì)象的部分，可以使用：
>>> holes = boros['geometry'].intersection(mp)
[圖片上傳失敗...(image-dc09ef-1575962477204)]
并且可以得到區(qū)域內(nèi)這些部分以外的其他部分面積：
>>> boros_with_holes = boros['geometry'].difference(mp)
[圖片上傳失敗...(image-c55079-1575962477203)]
注意，這個(gè)可以簡(jiǎn)化一點(diǎn)，因?yàn)間eometry可以在GeoDataFrame中作為屬性得到，intersection和difference方法分別是由“&”和“-”操作符實(shí)現(xiàn)的。例如，后者可以簡(jiǎn)單的表示為boros.geometry -mp。
計(jì)算每個(gè)區(qū)中這些由點(diǎn)緩沖生成的holes的比例，是很容易做到的
>>> holes.area / boros.geometry.area
BoroCode
1 0.602015
2 0.523457
3 0.585901
4 0.577020
5 0.559507
dtype: float64
