GeoPands学习之--构造GeoDataFrame

最新推荐文章于 2024-05-19 11:05:49 发布
最新推荐文章于 2024-05-19 11:05:49 发布
阅读量8.2k 收藏 13
点赞数 2
分类专栏： 编程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31881865/article/details/101108470
版权

 

根据python的对象数组，构造DataFrame,然后构造GeoDataFrame

原始的数组字段数据类型结构

转换为DataFrame

geofenceDf = pandas.DataFrame(geofence)

 

构造geometry列

geometryList=[]
for i in range(0, len(geofenceDf)):
    if geofenceDf.iloc[i]['geometry_type']=='POLYGON':
        geofencePolygon = Polygon(geofenceDf.iloc[i]['geometry']['rings'][0])
        geometryList.append(geofencePolygon)
    if geofenceDf.iloc[i]['geometry_type']=='POLYLINE':
        geofencePolyline = LineString(geofenceDf.iloc[i]['geometry']['paths'][0]).buffer(1)
        geometryList.append(geofencePolyline)
    if geofenceDf.iloc[i]['geometry_type'] == 'POINT':
        geofencePoint = Point(geofenceDf.iloc[i]['geometry']['x'],geofenceDf.iloc[i]['geometry']['y']).buffer(1)
        geometryList.append(geofencePoint)

 

构建GeoDataFrame

gdf = geopandas.GeoDataFrame(geofenceDf, geometry=geometryList)

 

完整代码如下：

import pandas
import geopandas
from shapely.geometry import Polygon,Point,LineString
geofence=[
    {'id': '1', 'geometry_type': 'POLYGON', 'geometry':{'rings' : [
          [
            [
              12743260.674682617,
              3582656.0642700195
            ],
            [
              12743258.209472656,
              3582653.5993041992
            ],
            [
              12743255.35369873,
              3582651.5996704102
            ],
            [
              12743252.194091797,
              3582650.1262817383
            ],
            [
              12743248.826721191,
              3582649.2238769531
            ],
            [
              12743245.202697754,
              3582648.9213256836
            ],
            [
              12742829.075927734,
              3582655.205078125
            ],
            [
              12742705.611083984,
              3582655.6840820313
            ],
            [
              12742662.495483398,
              3582653.2354736328
            ],
            [
              12742199.483093262,
              3582546.3685302734
            ],
            [
              12742198.458129883,
              3582546.1599121094
            ],
            [
              12742194.985107422,
              3582545.8560791016
            ],
            [
              12742191.512084961,
              3582546.1599121094
            ],
            [
              12742188.144714355,
              3582547.0623168945
            ],
            [
              12742184.985107422,
              3582548.5357055664
            ],
            [
              12742182.129272461,
              3582550.5352783203
            ],
            [
              12742179.664306641,
              3582553.0003051758
            ],
            [
              12742177.664672852,
              3582555.8560791016
            ],
            [
              12742176.19128418,
              3582559.0156860352
            ],
            [
              12742175.288879395,
              3582562.3831176758
            ],
            [
              12742174.985107422,
              3582565.8560791016
            ],
            [
              12742175.288879395,
              3582569.3291015625
            ],
            [
              12742176.19128418,
              3582572.696472168
            ],
            [
              12742177.664672852,
              3582575.8560791016
            ],
            [
              12742179.664306641,
              3582578.7119140625
            ],
            [
              12742182.129272461,
              3582581.1768798828
            ],
            [
              12742184.985107422,
              3582583.1766967773
            ],
            [
              12742188.144714355,
              3582584.6499023438
            ],
            [
              12742190.487304687,
              3582585.3436889648
            ],
            [
              12742655.161315918,
              3582692.5942993164
            ],
            [
              12742656.186279297,
              3582692.8026733398
            ],
            [
              12742658.525085449,
              3582693.0742797852
            ],
            [
              12742703.947692871,
              3582695.6541137695
            ],
            [
              12742705.120727539,
              3582695.6862792969
            ],
            [
              12742829.467102051,
              3582695.2033081055
            ],
            [
              12743245.655883789,
              3582688.9179077148
            ],
            [
              12743248.826721191,
              3582688.6162719727
            ],
            [
              12743252.194091797,
              3582687.7139282227
            ],
            [
              12743255.35369873,
              3582686.2407226563
            ],
            [
              12743258.209472656,
              3582684.2410888672
            ],
            [
              12743260.674682617,
              3582681.7758789063
            ],
            [
              12743262.674316406,
              3582678.9201049805
            ],
            [
              12743264.147521973,
              3582675.7604980469
            ],
            [
              12743265.049926758,
              3582672.3931274414
            ],
            [
              12743265.35369873,
              3582668.9201049805
            ],
            [
              12743265.049926758,
              3582665.4470825195
            ],
            [
              12743264.147521973,
              3582662.0797119141
            ],
            [
              12743262.674316406,
              3582658.9201049805
            ],
            [
              12743260.674682617,
              3582656.0642700195
            ]
          ]
        ]}},
    {'id': '2', 'geometry_type': 'POLYLINE', 'geometry': {'paths': [
        [
            [
                12743260.674682617,
                3582656.0642700195
            ],
            [
                12743258.209472656,
                3582653.5993041992
            ],
            [
                12743255.35369873,
                3582651.5996704102
            ],
            [
                12743252.194091797,
                3582650.1262817383
            ],
            [
                12743248.826721191,
                3582649.2238769531
            ],
            [
                12743245.202697754,
                3582648.9213256836
            ],
            [
                12742829.075927734,
                3582655.205078125
            ],
            [
                12742705.611083984,
                3582655.6840820313
            ],
            [
                12742662.495483398,
                3582653.2354736328
            ],
            [
                12742199.483093262,
                3582546.3685302734
            ],
            [
                12742198.458129883,
                3582546.1599121094
            ],
            [
                12742194.985107422,
                3582545.8560791016
            ],
            [
                12742191.512084961,
                3582546.1599121094
            ],
            [
                12742188.144714355,
                3582547.0623168945
            ],
            [
                12742184.985107422,
                3582548.5357055664
            ],
            [
                12742182.129272461,
                3582550.5352783203
            ],
            [
                12742179.664306641,
                3582553.0003051758
            ],
            [
                12742177.664672852,
                3582555.8560791016
            ],
            [
                12742176.19128418,
                3582559.0156860352
            ],
            [
                12742175.288879395,
                3582562.3831176758
            ],
            [
                12742174.985107422,
                3582565.8560791016
            ],
            [
                12742175.288879395,
                3582569.3291015625
            ],
            [
                12742176.19128418,
                3582572.696472168
            ],
            [
                12742177.664672852,
                3582575.8560791016
            ],
            [
                12742179.664306641,
                3582578.7119140625
            ],
            [
                12742182.129272461,
                3582581.1768798828
            ],
            [
                12742184.985107422,
                3582583.1766967773
            ],
            [
                12742188.144714355,
                3582584.6499023438
            ],
            [
                12742190.487304687,
                3582585.3436889648
            ],
            [
                12742655.161315918,
                3582692.5942993164
            ],
            [
                12742656.186279297,
                3582692.8026733398
            ],
            [
                12742658.525085449,
                3582693.0742797852
            ],
            [
                12742703.947692871,
                3582695.6541137695
            ],
            [
                12742705.120727539,
                3582695.6862792969
            ],
            [
                12742829.467102051,
                3582695.2033081055
            ],
            [
                12743245.655883789,
                3582688.9179077148
            ],
            [
                12743248.826721191,
                3582688.6162719727
            ],
            [
                12743252.194091797,
                3582687.7139282227
            ],
            [
                12743255.35369873,
                3582686.2407226563
            ],
            [
                12743258.209472656,
                3582684.2410888672
            ],
            [
                12743260.674682617,
                3582681.7758789063
            ],
            [
                12743262.674316406,
                3582678.9201049805
            ],
            [
                12743264.147521973,
                3582675.7604980469
            ],
            [
                12743265.049926758,
                3582672.3931274414
            ],
            [
                12743265.35369873,
                3582668.9201049805
            ],
            [
                12743265.049926758,
                3582665.4470825195
            ],
            [
                12743264.147521973,
                3582662.0797119141
            ],
            [
                12743262.674316406,
                3582658.9201049805
            ],
            [
                12743260.674682617,
                3582656.0642700195
            ]
        ]
    ]}},
    {'id': '3', 'geometry_type': 'POINT', 'geometry': {'x':12740442.57,'y':3582111.135}},
    {'id': '4', 'geometry_type': 'POLYLINE', 'geometry':{"paths" : [
        [
            [
              12743045.955505371,
              3581102.0302734375
            ],
            [
              12743042.48248291,
              3581101.7265014648
            ],
            [
              12743039.009521484,
              3581102.0302734375
            ],
            [
              12743035.642089844,
              3581102.9326782227
            ],
            [
              12743032.48248291,
              3581104.4061279297
            ],
            [
              12743029.626708984,
              3581106.4057006836
            ],
            [
              12743027.161682129,
              3581108.8707275391
            ],
            [
              12743025.162109375,
              3581111.7265014648
            ],
            [
              12743023.688720703,
              3581114.8861083984
            ],
            [
              12743023.030273437,
              3581117.0775146484
            ],
            [
              12742984.541503906,
              3581278.1188964844
            ]]]}},
]
a=[[0, 0], [1, 0], [1, 1]]
p1 = Polygon(a)
b=[(0, 0), (1, 0), (1, 1)]
p2=LineString(b)
print p1
geofenceDf = pandas.DataFrame(geofence)
print geofenceDf.iloc[3]['geometry']['paths'][0]
geometryList=[]
for i in range(0, len(geofenceDf)):
    if geofenceDf.iloc[i]['geometry_type']=='POLYGON':
        geofencePolygon = Polygon(geofenceDf.iloc[i]['geometry']['rings'][0])
        geometryList.append(geofencePolygon)
    if geofenceDf.iloc[i]['geometry_type']=='POLYLINE':
        geofencePolyline = LineString(geofenceDf.iloc[i]['geometry']['paths'][0]).buffer(1)
        geometryList.append(geofencePolyline)
    if geofenceDf.iloc[i]['geometry_type'] == 'POINT':
        geofencePoint = Point(geofenceDf.iloc[i]['geometry']['x'],geofenceDf.iloc[i]['geometry']['y']).buffer(1)
        geometryList.append(geofencePoint)

gdf = geopandas.GeoDataFrame(geofenceDf, geometry=geometryList)

print geofenceDf.head()

 

为了淑宝努力努力
关注
  • 2
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
ML2020-Uber-Data-Analysis：ML2020-Uber-Data-Analysis
02-15
（选修的） 4-执行conda install -c anaconda ipykernel 5-运行* python -m ipykernel install --user --name = ML_UBER_ENV 6-按照以下说明安装Geopands库。安装Geopandas 如果您在安装Geopandas时遇到问题，请...
amap_traffic:利用高德地图将交融趋势爬取并利用geopands绘制图片
04-29
amap_traffic 利用高德地图将交融趋势爬取并利用geopands绘制图片
构造GeoDataFrame
cuisidong1997的博客
07-17 2672
（1）、通过shapely地理列表构造 GeoDataFrame d = {‘属性’: [‘关联湖泊小区’]*len(contains), ‘geometry’: contains} gpd.GeoDataFrame(d,crs=4326) （2）、通过pandas构造 GeoDataFrame cell=pd.read_sql_table(‘Parament4G’,con=enginenetwork) print(cell.to_json()) cell[‘Lon’]=cell.Lon.apply(
如何优雅地构造geodataframe
fff2zrx的博客
01-21 4131
如何构造geodataframe1 通过经纬度构造1.1 geopandas.points_from_xy1.2 利用apply，shapely构造（更通用）2 通过wkt文本构造 1 通过经纬度构造 1.1 geopandas.points_from_xy import pandas as pd df = pd.DataFrame( {'City': ['Buenos Aires', 'Brasilia', 'Santiago', 'Bogota', 'Caracas'], 'Count
GeoPandas快速入门
最新发布
weixin_45213317的博客
05-19 925
GeoPandas 是一个开源项目，为 pandas 对象添加了对地理数据的支持。它提供了 GeoSeries 和 GeoDataFrame 类型，分别是 pandas.Series 和 pandas.DataFrame 的子类，用于处理地理空间数据。通过 GeoPandas，可以读取和写入地理数据文件，执行几何操作（如测量面积、获取边界和质心、创建凸包和缓冲区等），进行几何关系的查询，以及进行地图绘制和投影转换等操作。GeoPandas 提供了丰富的功能和方法，使地理空间数据的处理更加方便和高效。
构造标准GeoPands.GeoDataFrame
Leeoo_lyq的博客
07-13 1171
1 标准格式 { "type": "FeatureCollection", "features": [ {"type":"Feature", "properties":{}, "geometry":{ "type":"Polygon", "coordinates":[ [ [106.10595703125,33.33970700424026]
GeoPandas 笔记： GeoDataFrame.plot()
qq_40206371的博客
01-15 1万+
1 用处 使用 matplotlib 生成 GeoDataFrame 的图。 如果指定了列，则绘图着色将基于该列中的值。 假设我们有一组这样的数据： 2 参数 column 可用类型： str, np.array, pd.Series (default None) 要绘制的DataFrame列、np.array 或 pd.Series 的名称。 如果使用 np.array 或 pd.Series， 则它必须与数据帧...
dataframe转换为geodataframe
Jason_cheungm的博客
04-03 328
只有geodataframe的属性表数据，如何得到geodataframe呢？ 将geometry字段的string类型转化为geometry类型。（直接用astype是不行的o(╥﹏╥)o）解决办法：将geometry解析为WKT格式。
geopandas安装包.rar
03-03
geopandas所需的安装包，包括shapely、fiona、pyproj、gdal、geopandas
基于python3.8安装geopandas相关依赖包集合
10-31
谢谢大家。东西从网上找出来，有点难找，有点难进行配置，希望大家可以点个关注，谢谢大家，可以点点赞
GeoDataFrame 应用：公园分布映射至subzone
qq_40206371的博客
04-18 301
我们又知道新加坡的subzone信息：我们希望生成一个 dataframe，表示每一个subzone有几个monument。
python包介绍：GeoPandas（初识）
热门推荐
qq_40206371的博客
09-25 2万+
1 GeoPandas介绍 GeoPandas是一个开源项目，可以更轻松地使用python处理地理空间数据。 GeoPandas扩展了Pandas中使用的数据类型DataFrame，允许对几何类型进行空间操作。 GeoPandas的目标是使在python中使用地理空间数据更容易。它结合了Pandas和Shapely的能力，提供了Pandas的地理空间操作和多种Shapely的高级接口。GeoPandas可以让您轻松地在python中进行操作，否则将需要...
[数据分析与可视化] Python绘制数据地图3-GeoPandas使用要点
You and Me
06-16 4784
通过更改 ScaleBar 参数能够调整比例尺的显示效果，ScaleBar具体参数如下所示。这些参数的使用可以自行尝试。
GeoPandas 笔记：合并数据
qq_40206371的博客
04-20 2235
很多地方和是类似的。
Geopandas的介绍（1）
weixin_45973418的博客
03-29 179
GeoDataFrame：一个包含GeoSeries的列表数据结构。重要属性：geometry。可以通过geometry属性(gdf.geometry)访问，并且可以通过输入gdf.geometry.name找到geometry列的名称。GeoSeries：本质上是一个矢量，矢量中的每个条目都是一组对应于一个观测结果的形状。一个条目可以只包含一个形状(比如一个单一的多边形)，也可以包含多个形状。Geopandas有三种基本的几何对象：点、线、面。
Python绘制数据地图-GeoPandas使用要点
Python数据之道
06-28 5143
本文主要介绍GeoPandas的使用要点。GeoPandas是一个Python开源项目，旨在提供丰富而简单的地理空间数据处理接口。GeoPandas扩展了Pandas的数据类型，并使用matplotlib进行绘图。GeoPandas官方仓库地址为：GeoPandas[1]。GeoPandas的官方文档地址为：GeoPandas-doc[2]。本文主要参考GeoPandas Examples Gal...
geopandas 笔记：geometry上的操作汇总
qq_40206371的博客
09-09 573
合并所有几何形状为一个单一的几何形状。
使用Python实现子区域数据分类统计
weixin_30402343的博客
11-30 368
前言 将近两年前，我写过一篇同名文章（见使用Python实现子区域数据分类统计）。 当时是为了统计县域内的植被覆盖量，折腾了一段时间，解决了这个问题。最近，又碰到了一个类似的需求，也需要统计某个小范围内的数据。简单来说，这个需求是将两个 shp 文件的任意两个对象做相交判断，最后形成一个新的空间对象集合，最后对此集合进行简单统计分析即可。 解决方案 明白了这一点之后，再看之前的代码，就发现当时用了...
Python地信专题 | 基于geopandas的空间数据分析—数据结构篇
fengdu78的博客
02-17 6747
作者：费弗里博客地址：https://www.cnblogs.com/feffery/p/11898190.html说明：本文经作者授权转载，禁止二次转载全文8500字本文对应代码已上传...
geopands安装
10-30
geopandas 是一个基于 pandas 库的地理空间数据处理库。安装 geopandas 可以在你的 Python 环境中轻松地处理和绘制地理空间数据。 要在你的 Python 环境中安装 geopandas，你需要使用 pip（Python 包管理工具）来执行安装。首先，请确保你的电脑上已经正确地安装了 Python。 打开终端或命令提示符，并输入以下命令来安装 geopandas： ``` pip install geopandas ``` 这将从 Python Package Index（PyPI）下载并安装最新版本的 geopandas。 安装过程可能需要一些时间，这取决于你的网络连接速度和系统性能。 在安装完成后，你就可以在你的 Python 程序中导入 geopandas 并开始使用它来处理地理空间数据了。 如果你在安装过程中遇到任何错误或困难，可以尝试以下解决方法： 1. 如果你使用的是 Windows 操作系统，确保已正确安装了 geopandas 运行所需的依赖库，例如 GDAL、Fiona 和 PyProj。可以从官方网站下载这些库的二进制安装包，并手动安装。 2. 如果你使用的是 macOS 或 Linux 操作系统，可能需要安装一些依赖库，例如 libgdal-dev、libproj-dev 和 python3-dev。可以使用系统包管理器（例如 apt 或 brew）来安装这些库。 除了使用 pip 安装，你还可以尝试使用 Anaconda（一个 Python 数据科学平台）来安装 geopandas。在 Anaconda 环境下，默认已经配置好了许多常用的地理空间库，包括 geopandas。你可以通过以下命令来安装 Anaconda，并在环境中使用 geopandas： ``` conda install -c conda-forge geopandas ``` 希望这些信息对你有帮助，祝你成功安装和使用 geopandas！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

为了淑宝努力努力

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值