网上csv转shp很多结果都是点要素,但是“谷歌18亿个建筑物足迹数据集”有面要素信息,我们需要将csv转shp面要素,以下是可批量操作代码。
import os
import pandas as pd
import geopandas as gpd
#from shapely.geometry import Point
from shapely import wkt
# 设置输入和输出文件夹路径
input_folder = 'C:/Users/.../csvToshp/csv' # CSV文件所在的文件夹路径
output_folder = 'C:/Users/.../csvToshp/shp' # 输出SHP文件的文件夹路径
# 确保输出文件夹存在
if not os.path.exists(output_folder):
os.makedirs(output_folder)
# 遍历输入文件夹中的所有CSV文件
for filename in os.listdir(input_folder):
if filename.endswith('.csv'):
# 构建完整的文件路径
csv_path = os.path.join(input_folder, filename)
# 读取CSV文件到DataFrame
df = pd.read_csv(csv_path)
# 如果你的CSV包含不同的字段名,请相应修改下面的代码
#geometry = df.apply(lambda row: Point(row['longitude'], row['latitude']), axis=1) # 假设经纬度字段名为'lon'和'lat',前面注释符删掉,把下多边形的部分注释掉则是csv转shp(点要素)
#csv转多边形
df['geometry'] = df['geometry'].apply(wkt.loads)
# 将数据转换为GeoDataFrame,并设置其几何字段名为'geometry'
gdf = gpd.GeoDataFrame(df, geometry='geometry')
# 设置坐标参考系统为WGS84,这是最常用的全球坐标系统
gdf.crs = "EPSG:4326"
# 构建输出文件的名称,这里我们假设输出文件的名称与原始CSV文件相同,但扩展名为.shp
output_file = os.path.join(output_folder, filename[:-4] + '.shp') # 去除原文件扩展名并添加.shp后缀
# 将GeoDataFrame保存为SHP文件
gdf.to_file(output_file)
print(f"Converted {filename} to SHP and saved to {output_file}") # 打印转换信息以便跟踪进度和结果位置
#部分csv文件没有录入列表信息等,需要事先笔记本编辑将‘latitude,longitude,area_in_meters,confidence,geometry,full_plus_code’编辑在第一行
PS:部分csv文件没有录入列表信息等,需要事先笔记本编辑将‘latitude,longitude,area_in_meters,confidence,geometry,full_plus_code’编辑在第一行,否则会出现如下错误
谷歌18亿个建筑物足迹数据集V3部分转换结果在arcmap和google earth中打开效果如下