Python 地理空间分析

前文

我们将快速浏览 Python 的（空间）数据科学生态系统，并了解如何使用一些基本的开源 Python 包，例如：

pandas / geopandas
shapely
pysal
pyproj
osmnx / pyrosm
matplotlib (visualization)

如您所见，我们不会使用任何GIS软件进行编程（例如ArcGIS/arcpy或QGIS），而是专注于学习独立于任何特定软件的开源包。如今，这些库不仅构成现代空间数据科学的核心，而且还是世界各地许多公司使用和开发的商业应用程序的基础部分。

基础库：Geopandas

在本文中，您将学习到的最常用的 Python 包是 geopandas。 Geopandas 使在 Python 中以相对简单的方式，处理地理空间数据成为可能。 Geopandas 将数据分析库 pandas 的功能与其他软件包（如 shapely 和 fiona）结合起来，用于管理空间数据。 geopandas 中的主要数据结构是 GeoSeries 和 GeoDataFrame，它们扩展了 Pandas 的 Series 和 DataFrames 的功能。 GeoDataFrames 和 pandas DataFrames 之间的主要区别在于 GeoDataFrame 应该（至少）包含一列几何图形。默认情况下，此列的名称是“几何”。几何列是一个 GeoSeries，它包含几何对象（点、线、多边形、多边形等）作为匀称对象。

data.head()

GROUP CLASS geometry area 06432421POLYGON ((379394.248 6689991.936, 379389.7906. 76.02739216432421POLYGON ((378980.811 6689359.377, 378983.401 6... 2652.05418626432421POLYGON ((378804.766 6689256.471, 378817.107 6... 3185.64999536432421POLYGON ((379229.695 6685025.111, 379233.366 6... 13075.16527946432421POLYGON ((379825.199 6685096.247, 379829.651 6... 3980.682621\begin{array}{ccc|c|c} & \text { GROUP } & \text { CLASS } & \text { geometry } & \text { area } \\ \hline 0 & 64 & 32421 & \text { POLYGON ((379394.248 6689991.936, 379389.7906. } & 76.027392 \\ 1 & 64 & 32421 & \text { POLYGON ((378980.811 6689359.377, 378983.401 6... } & 2652.054186 \\ 2 & 64 & 32421 & \text { POLYGON ((378804.766 6689256.471, 378817.107 6... } & 3185.649995 \\ 3 & 64 & 32421 & \text { POLYGON ((379229.695 6685025.111, 379233.366 6... } & 13075.165279 \\ 4 & 64 & 32421 & \text { POLYGON ((379825.199 6685096.247, 379829.651 6... } & 3980.682621 \end{array} 01234 GROUP 6464646464 CLASS 3242132421324213242132421 geometry POLYGON ((379394.248 6689991.936, 379389.7906. POLYGON ((378980.811 6689359.377, 378983.401 6... POLYGON ((378804.766 6689256.471, 378817.107 6... POLYGON ((379229.695 6685025.111, 379233.366 6... POLYGON ((379825.199 6685096.247, 379829.651 6... area 76.0273922652.0541863185.64999513075.1652793980.682621

读取和写入空间数据

接下来我们将学习 geopandas 的一些基本功能。我们有几个 GeoJSON 文件存储在我们将使用的数据文件夹中。

我们可以使用 read_file() 函数轻松读取数据：

import geopandas as gpd# Filepath
fp = "data/buildings.geojson"# Read the file
data = gpd.read_file(fp)# How does it look?
data.head()