GeoPandas 教程：地理空间分析入门

我们每天生成的大量数据本质上都具有空间属性。从地球观测数据、GPS 数据到各种地图中的数据，空间数据（有时也称为地理空间数据或地理信息）指的是每条记录都关联了一个特定位置的数据。

每一个空间数据点都可以在地图上定位。这通常通过某种坐标参考系来实现，例如地理坐标，也就是我们常用的纬度-经度对，用于指定地球上某物体的位置。这样我们就能够观察数据之间的空间关系。

然而，地理空间数据的真正力量在于同时结合数据本身及其位置，从而解锁更复杂的分析机会。所谓地理空间数据科学是数据科学的一个分支领域，专注于利用空间算法和分析技术（如机器学习和深度学习）从地理空间数据中提取信息。换句话说，地理空间数据科学帮助我们理解事件发生在哪里，以及为什么会发生在那里。

有许多适用于地理空间数据科学的工具。本教程将聚焦 GeoPandas，这是一款在 Python 中处理地理空间数据的开源包。

GeoPandas 扩展了 pandas 使用的数据类型（pandas 是 Python 中处理数据框的标准工具），以便对几何类型执行空间操作。由于 GeoPandas 构建于 pandas 之上（以及其他流行的数据科学 Python 包，如 matplotlib），因此使用 Python 的数据专业人士可以很容易上手 GeoPandas 的语法。

安装 Python GeoPandas

要使用 Python 的 GeoPandas，首先需要像安装其他 Python 库一样安装它。

需要注意的是，GeoPandas 依赖一整套开源地理空间库来发挥其完整的空间能力，包括 shapely、fiona、pyproj 和 rtree。您必须确保安装了这些依赖项，否则 GeoPandas 可能无法按预期工作。

为避免复杂性，GeoPandas 建议使用 conda 包管理器安装该库。这意味着您需要先安装 Anaconda。关于如何安装和使用 Anaconda的指南，请参阅我们的教程。

使用 conda 的优势在于，它为所有操作系统（Windows、Mac、Linux）提供了 GeoPandas 所需及可选依赖项的预编译二进制包。要在命令行中安装 GeoPandas：

>>conda install geopandas技术支持

或者，您也可以使用 Python 的标准包安装工具 pip 来安装 Anaconda。如前所述，您同样需要安装必要的依赖项。如果您不熟悉 pip，我们强烈建议阅读我们的 Pip 包管理教程。使用 pip 安装 GeoPandas 的命令为：

>>pip install geopandas 技术支持

无论哪种方式，如果在安装 GeoPandas 的过程中遇到问题，请查阅其文档获取更多信息。

安装完成后，您就可以开始使用 GeoPandas 了。只需在 Python 环境中导入它。请注意，常见的导入方式是使用别名 gpd。

import geopandas as gpd技术支持

GeoPandas 的基础操作

本节将介绍您可以用 GeoPandas 完成的最基本操作。在此过程中，我们也会引入地理空间分析中的一些关键概念，包括空间数据类型、空间数据格式和坐标参考系（CRS）。

读取与写入空间数据

就像 pandas 需要输入数据以转换为 pandas 数据框一样，GeoPandas 读取输入（空间）数据并将其转换为所谓的 GeoDataFrame。

在介绍 GeoPandas 可读取的多种空间文件类型之前，首先需要区分不同类型的空间数据。我们所处理的数据类型会决定应使用哪些工具来分析并可视化数据。

基本上，空间数据主要有两种类型：

1. 矢量数据。它通过离散几何体来描述地球上地理位置的要素，主要包括：
• 点。单个位置，例如一栋建筑或一辆车，具有 X 和 Y 坐标。
• 线。由一系列连接的点构成，描述道路或河流等。
• 多边形。由封闭的线围成一个区域，例如国家边界。此外，当一个要素由多个几何体组成时，我们称之为 MultiPolygon（多多边形）。
2. 栅格数据。将世界编码为由网格表示的连续表面，类似图像的像素。网格中的每个单元可以是连续值（如海拔）或分类值（如土地覆盖类型）。经典示例包括高程数据或卫星影像。

来源：Humboldt State University

矢量和栅格数据通常都伴随有非空间数据，也称为属性。空间数据可以包含任意数量的附加属性，用于补充位置相关信息。例如，一所学校的位置可以关联学校名称、学生人数或地址等。

GeoPandas 旨在处理矢量数据，不过它也可以与其他 Python 包（如 rasterio）配合，轻松处理栅格数据。为读取空间数据，GeoPandas 提供了 geopandas.read_file() 函数。该强大的函数可以自动读取大多数常见的基于矢量的空间数据。

一些最常见的矢量数据格式包括：

• Shapefile。作为行业标准，Shapefile 是最常见的矢量数据格式。它由三个文件组成，通常以 zip 文件打包提供：

• .shp 文件包含图形几何体。
• .dbf 文件保存每个几何体的属性，
• .shx 文件（形状索引文件）帮助将属性与形状关联。

• GeoJSON。这是 2016 年发布的一种较新的地理空间数据格式。与 Shapefile 不同，GeoJSON 是单一文件，更易于使用。

在接下来的示例中，我们将使用 geopandas.read_file() 函数读取一个托管在 GitHub 的 GeoJSON 文件，其中包含巴塞罗那市不同行政区的地理空间数据。

url = 'https://raw.githubusercontent.com/jcanalesluna/bcn-geodata/master/districtes/districtes.geojson'

districts = gpd.read_file(url)

districts技术支持

我们稍后会回到该数据集，但首先，您需要了解如何将 GeoDataFrame 写回到文件。这非常简单。只需使用 GeoDataFrame.to_file() 创建一个包含空间数据的文件。默认情况下，新文件的格式为 Shapefile，但您可以通过“driver”参数进行更改。

例如，您可以将行政区 GeoDataFrame 保存为一个 geoJSON 文件：

districts.to_file("districts.geojson", driver="GeoJSON")技术支持

探索 GeoDataFrame

您可能已经注意到，上一节中的 GeoDataFrame 与传统的 pandas 数据框很相似。这并不奇怪，因为 GeoDataFrame 是 pandas.DataFrame 的子类。这意味着它继承了许多 pandas 数据框的方法和属性。GeoDataFrame 的新特性在于它可以存储几何列（也称 GeoSeries）并执行空间操作。

几何列可以包含任何类型的矢量数据，如点、线和多边形。此外，需要注意的是，尽管一个 GeoDataFrame 可以具有多个 GeoSeries，但只有一列被视为活动几何列，这意味着所有空间操作都将基于该列进行。

来源：GeoPandas

GeoDataFrame 的另一个重要特性是每个 GeoSeries 都带有关联的 CRS 信息。CRS 信息告诉 GeoPandas 这些坐标在地球上的位置。该信息对于空间分析至关重要。例如，如果您需要合并两个空间数据集，就必须确保它们使用相同的 CRS，否则将无法获得预期结果。

CRS 主要分为两大类：

• 地理坐标。以相对于赤道和本初子午线的经纬度（度）来定义全球位置。借助该系统，我们可以轻松指定地球上的任意位置。它被广泛应用，例如在 GPS 中。最常用的 CRS 是 EPSG:4326，也称为 WGS84。
• 投影坐标。 虽然地球是球体，但我们通常在二维地图上表示它。投影坐标以 X 和 Y 维度表示位置，从而使我们能够使用米等长度单位而非度数进行工作，这使分析更为便捷有效。然而，将三维地球转换到二维地图不可避免会产生畸变。这就是为什么存在不同的投影坐标构建方法。例如，许多国家为其特定地理环境采用了标准的投影 CRS。

关于 CRS 还有更多内容，但这超出了本教程范围。获取更多信息和实践示例的优质资源是我们的《在 Python 中处理地理空间数据》课程。

在 GeoPandas 中，CRS 信息存储在 crs 属性中：

districts.crs技术支持

目前该行政区 GeoDataFrame 关联的是地理坐标（EPSG: 4326），但我们希望将其转换为投影坐标，以便用米进行计算。让我们将其转换为 EPSG:2062，即西班牙的标准投影 CRS。可使用 Geopandas.to_crs() 方法完成。

districts.to_crs(epsg=2062, inplace=True)

districts.crs技术支持

现在我们已经设置了合适的投影 CRS，可以开始探索 GeoDataFrame 的属性了。

探索空间数据集的属性

GeoPandas 继承了 shapely 包中的许多实用方法和属性。我们将介绍其中四个。

面积

area 属性返回几何体的计算面积。我们可以将计算得到的面积（换算为平方千米）存入一个新列：

districts['area'] = districts.area / 1000000

districts技术支持

质心

centroid 属性返回几何体的中心点。我们可以将其添加到数据集中，从而创建一个新的几何列。

districts['centroid']=districts.centroid

districts技术支持

边界

boundary 属性返回多边形的边界线。

districts['boundary']=districts.boundary技术支持

距离

distance 方法给出某几何体到某位置的最小距离。假设我们想要计算著名的圣家堂（位于 Eixample 区）到巴塞罗那各区中心点的距离，并将距离（千米）添加到新列中。

圣家堂。来源：Wikipedia

首先，我们需要使用 shapely 的 Point() 函数根据所需坐标（可在 Google 地图中轻松获取）创建一个点，将其转换为具有正确 CRS 的 GeoSeries，然后使用 GeoPandas.distance() 方法：

from shapely.geometry import Point

sagrada_fam = Point(2.1743680500855005, 41.403656946781304)
sagrada_fam = gpd.GeoSeries(sagrada_fam, crs=4326)
sagrada_fam= sagrada_fam.to_crs(epsg=2062)
districts['sagrada_fam_dist'] = [float(sagrada_fam.distance(centroid)) / 1000 for centroid in districts.centroid]技术支持

经过上述空间操作后，得到的数据集如下所示：

使用 GeoPandas 绘图

我们所做的空间操作为研究提供了有价值的信息。然而，将几何体可视化到空间上是改进分析的绝佳方式。幸运的是，使用 GeoPandas 绘图非常简单。只需调用基于 Python 的 matplotlib 包构建的 GeoDataFrame.plot() 函数即可。

让我们从巴塞罗那各区的基础可视化开始。

ax= districts.plot(figsize=(10,6))技术支持

我们可以通过为每个行政区着色来让 GeoPandas 图更具信息量。将图例设置为 'True' 会创建图例，帮助解释颜色。

ax= districts.plot(column=district_name', figsize=(10,6), edgecolor='black', legend=True)技术支持

最后，我们可以在地图上添加各行政区的中心点和圣家堂，并加上标题。同样地，为使图表更具吸引力，我们可以使用优秀的 contextily 包，为图表添加巴塞罗那城市的底图切片。

import contextily
ax= districts.plot(column='district_name', figsize=(12,6), alpha=0.5, legend=True)
districts["centroid"].plot(ax=ax, color="green")
sagrada_fam.plot(ax=ax,color='black', marker='+')
contextily.add_basemap(ax, crs=districts.crs.to_string())
plt.title('A Beautiful Map of Barcelona')
plt.axis('off')
plt.show()技术支持

很酷，对吧？关于如何制作精美的空间可视化，还有很多可做之事。我们的课程 用 Python 可视化地理空间数据 是提升您可视化技能的绝佳资源。

使用 GeoPandas 处理空间关系

地理空间数据的关键方面之一是它们在空间中的相互关系。GeoPandas 借助 pandas 和 shapely 的强大功能，能够在空间数据集之间执行各种空间关系操作。本节我们将介绍一些最常见的操作。

属性连接

在 pandas 中合并数据集有两种方式：属性连接和空间连接。

属性连接允许我们基于非几何变量将两个 GeoDataFrame 进行连接，就像在 pandas 中的常规连接一样。事实上，执行属性连接的方式就是使用标准的 pandas.merge() 方法。如果您想进一步了解 pandas 的连接操作，请查看我们的pandas 数据框连接教程。

例如，将 2022 年巴塞罗那的人口数据丰富到我们的 GeoDataFrame 中就很有意义。

pop =pd.read_csv('poblacion_barna_2022.csv', usecols=['Nom_Districte','Nombre'])
pop = pd.DataFrame(pop.groupby('Nom_Districte')['Nombre'].sum()).reset_index()
pop.columns=['district_name','population_22']
districts = districts.merge(pop)
districtsv技术支持

空间连接

相比之下，空间连接允许基于空间关系合并两个 GeoDataFrame。

例如，让我们识别巴塞罗那的 自行车道位于哪些行政区。

url = 'https://opendata-ajuntament.barcelona.cat/resources/bcn/CarrilsBici/CARRIL_BICI.geojson'
bike_lane = gpd.read_file(url)
bike_lane = bike_lane.loc[:,['ID','geometry']]
bike_lane.to_crs(epsg=2062, inplace=True)技术支持

在 GeoPandas 中，空间连接操作通过 sjoin() 函数提供。第一个参数是我们希望添加信息的 GeoDataFrame，第二个参数是包含要添加信息的 GeoDataFrame。然后，我们需要指定连接类型。最后，“predicate” 参数告诉 GeoPandas 用哪种空间关系来匹配两个数据集。常见的关系包括 “intersects”（相交）、“contains”（包含）和 “within”（位于内部）。

在我们的示例中，我们将使用谓词 “intersects”。如果两个几何对象具有任何边界或内部点相同，则它们相交。

lanes_districts = gpd.sjoin(districts, bike_lane, how='inner', predicate='intersects')
lanes_districts技术支持

请注意，结果 GeoDataFrame 的行数比 bike_lane GeoDataFrame 多。这是因为一条自行车道可能位于多个行政区中。

最后，我们可以对数据集进行分组，获取各行政区的自行车道数量：

lanes_districts.groupby('district_name').size()技术支持

GeoPandas 叠加操作

最后，空间叠加允许您比较两个包含多边形或多多边形几何体的 GeoDataFrame，并创建一个新的 GeoDataFrame，其中的新几何体代表空间上的组合以及合并后的属性。下图展示了不同的可能性：

来源：GeoPandas

设想巴塞罗那市政府为了应对污染并促进社区健康，计划建设新的本地公园。一个初步想法是在每个行政区中心 500 米范围内建设大型的圆形公园。我们可以通过基于每个行政区的质心创建缓冲区来模拟这一方案。

parks = gpd.GeoDataFrame(districts.centroid.buffer(500), geometry=0)

parks.plot()技术支持

现在，我们可以进行一些叠加操作了。例如，如果我们只想查看公园将要落地的各行政区区域，可以使用 GeoPandas.overlay() 方法：

parks_intersection = districts.overlay(parks, how='intersection')
ax = parks_intersection.plot(alpha=0.5, edgecolor='black', column='district_name')技术支持

或者，如果我们想查看去除拟建公园占用区域后的行政区范围，可以更改 “how” 参数来执行另一种叠加操作。

parks_difference = districts.overlay(parks, how='difference')
ax = parks_difference.plot(alpha=0.5, edgecolor='black', column='district_name')技术支持

结语

希望您喜欢这篇 GeoPandas 教程。空间分析是数据科学中最酷的领域之一，为通过位置数据丰富分析提供了无限机会。用于空间分析的工具有很多，但如果您已经熟悉 Python，GeoPandas 会是一个极好的起点。

还想继续深化您的地理空间学习？我们已经为您准备好了！查看以下资料，成为地理空间高手：

• 在 Python 中处理地理空间数据课程
• 用 Python 可视化地理空间数据课程