Python GIS神器shapely 2.0新版本来了

1 简介

geopandas之所以如此高效易用，成为Python GIS生态中的翘楚，离不开其底层依赖库shapely对其矢量计算功能的支持。

不仅是作为geopandas的基石，直接使用shapely中极其丰富的各种矢量操作API，也可以帮助我们轻松实现各种细致入微的矢量操作。而就在近期，shapely发布了其颇具里程碑意义的2.0正式版本，为我们带来了更加澎湃的运算性能提升，以及更稳定更丰富的新功能，今天的文章就来带大家一览shapely 2.0版本中的主要新特性🥳。

2 shapely 2.0重要新特性一览

通常我们不会专门去安装shapely，在安装geopandas的过程中它就顺带被安装上了，在我的本地示例虚拟环境中shapely原先的版本为1.8.5，通过执行conda update shapely -c conda-forge -y可将其稳定升级到2.0.0以上的正式版本：

接下来我们来看看本次大的版本更新中带来了哪些重要内容：

2.1 向量化矢量操作带来高达百倍的性能提升

新版shapely重写了底层对C++库GEOS的封装方式，大幅度降低了冗余计算成本，并且吸收了pygeos中的底层逻辑，对各种常用接口进行「ufunc向量化」运算支持，使得我们可以配合numpy快速实现，以contains()为例，基于shapely的顶级API接口：

在上面的例子中，相较于标量一对一运算和列表批量运算，新的向量化运算分别取得了500多倍和70多倍的运算加速😉。

目前shapely的所有顶级API，以及shapely.ops等子模块下的顶级API均已支持向量化运算特性，具体见shapely中的API文档是否如下图所示提及ufunc：

2.2 矢量对象不可变

在以前的版本中，shapely中的矢量要素对象是可变的，譬如对于LineString要素，可以在被创建后，通过为其coords属性赋值新的坐标串信息以改变其矢量信息：

而从2.0.0开始，shapely中所有的矢量要素变为不可变对象，这意味着它们「可hash」，譬如可以作为字典的键，或pandas分组运算的分组依据等：

2.3 矢量要素类可作为顶级API使用

从上面的几个例子中你也可以发现，新版shapely中我们可以直接从shapely导入常用的各种矢量要素类，这将作为from shapely.geometry import XXX方式的备选方式：

2.4 多部件要素不再可视作序列型对象

在以前的版本中，多部件要素譬如MultiPoint可以直接视作数组对象来直接按位置索引或迭代，而从2.0.0开始，原有的方式会引发错误，请注意更换为使用其geoms属性实现相关操作：

2.5 矢量要素支持精度控制

从2.0.0开始，shapely新增API接口set_precision()和get_precision()用于针对矢量要素进行坐标精度设置和精度查询，非常的方便：

2.6 基于GEOS新增大量新功能函数

随着对底层GEOS依赖库的版本更新（当前依赖版本：3.11.1），一大批新的实用功能函数得以被添加到shapely中，由于数量非常众多，下面我仅对其中的部分典型新功能函数做介绍：

• extract_unique_points()

通过新增的函数extract_unique_points()，我们可以从指定要素中快速提取去重后的折点要素：

• node()

通过新增的函数node()，我们可以轻松地从线要素中提取出彼此不交叉的片段：

• minimum_bounding_circle()与minimum_bounding_radius()

通过minimum_bounding_circle()和minimum_bounding_radius()我们可以快速得到目标要素的最小外接圆及其对应半径：

• dwithin()

通过dwithin()，我们可以快速判断要素之间的距离是否小于所给定的阈值：

2.7 新增force_2d()、force_3d()函数

通过新增的快捷函数force_2d()和force_3d()，我们可以直接为指定要素移除/添加z轴信息：

篇幅有限，本文只针对shapely 2.0中一些比较重要的内容进行介绍，更多新特性请移步其更新说明文档页：https://shapely.readthedocs.io/en/stable/release/2.x.html

---

以上就是本文的全部内容，欢迎在评论区与我进行讨论~

-------- End --------

推荐👇同名微信视频号

图解Pandas

图文00-内容框架介绍 | 图文01-数据结构介绍 | 图文02-创建数据对象 | 图文03-操作Excel文件 | 图文04-常见的数据访问 | 图文05-常见的数据运算 |  图文06-常见的数学计算 | 图文07-常见的数据统计 | 图文08-常见的数据筛选 |  图文09-常见的缺失值处理 | 图文10-数据合并操作 | 图文11-Groupby分组操作