python地理空间_GIS Experience （十）：Python地理空间数据分析-CSDN博客

备注：虽然在Pycharm中借助SciView可以很好地进行分屏显示，但地图数据一般数据量较大，所以用python进行地图可视化需要先行关闭。

前言

GISer都知道在常用的桌面端GIS应用ArcGIS和QGIS工具中都大量的使用了Python语言，考虑到当前python也被大量应用到机器学习和人工智能领域，在进行空间处理时候直接通过编写代码也可以使得工作更为高效。

1 入门级

1.1 geopandas

GeoPandas主要目的是使得在Python环境下更方便的处理地理空间数据，其扩展了pandas的数据类型，允许其在几何类型上进行空间操作。几何操作由 shapely执行，fiona进行文件存取，并借助descartes和matplotlib 进行绘图，详见geopandas官方文档。

'''读写数据'''

# 读取shp数据

df = gpd.GeoDataFrame.from_file("Point.shp")

# 写入为shp数据

df.to_file(filename="New_Point.shp", driver="ESRI Shapefile", schema=None)

# 写入为geojson数据

df.to_file("Point.geojson", driver='GeoJSON')

# 写入为geopackage数据

df.to_file("Point.gpkg", layer='Point', driver="GPKG")

'''坐标转换'''

# way1 proj4写法，详见[spatialreference](https://spatialreference.org/)

df = df.to_crs(crs="+proj=merc +a=6378137 +b=6378137 +lat_ts=0.0 +lon_0=0.0 +x_0=0.0 +y_0=0 +k=1.0 +units=m +nadgrids=@null +wktext +no_defs")

# way2 EPSGcode，详见[epsg](http://epsg.io/)

df = df.to_crs({'init': 'epsg:3857'})

1.2 pyshp

fiona与pyshp都可以读写ESRI shapefiles，但pyshp支持的效果更好，相比geopandas将几何地理对象读写为数据框，pyshp是直接读写为几何对象，故pyshp进行坐标和几何信息提取也稍显便捷。

# 导入shapely

from shapely import wkt, geometry

wktPoly = "POLYGON((0 0, 4 0, 4 4, 0 4, 0 0))"

poly = wkt.loads(wktPoly)

# 打印多边形的面积

print(poly.area)

# 建立缓冲区并计算面积

buf = poly.buffer(5.0)

print(buf.area)

# 计算面积差异

print(buf.difference(poly).area)

import shapefile # 使用pyshp库

file = shapefile.Reader("data\\市界.shp")

shapes = file.shapes()

print(file.shapeType) # 输出shp类型

'''

NULL = 0

POINT = 1

POLYLINE = 3

POLYGON = 5

MULTIPOINT = 8

POINTZ = 11

POLYLINEZ = 13

POLYGONZ = 15

MULTIPOINTZ = 18

POINTM = 21

POLYLINEM = 23

POLYGONM = 25

MULTIPOINTM = 28

MULTIPATCH = 31

'''

print(file.bbox) # 输出shp的范围

# print(shapes[1].parts)

# print(len(shapes)) # 输出要素数量

# print(file.numRecords) # 输出要素数量

# print(file.records()) # 输出所有属性表

'''

字段类型：此列索引处的数据类型。类型可以是：

“C”：字符，文字。

“N”：数字，带或不带小数。

“F”：浮动(与“N”相同)。

“L”：逻辑，表示布尔值True / False值。

“D”：日期。

“M”：备忘录，在GIS中没有意义，而是xbase规范的一部分。

'''

# fields = file.fields

# print(fields)

for index in range(len(shapes)):

geometry = shapes[index]

# print(geometry.shapeType)

# print(geometry.points)

1.4 GDAL & OGR

GDAL和OGR是开源空间信息基金会(Open Source Geospatial Foundation，简称OSGeo)推出的开源空间处理库，两者分别被应用于栅格和矢量数据处理。

备注：安装QGIS后本地会存在GDAL和OGR，可以将其复制到pycharm或者是Anaconda第三方库文件，此时包引入规则from osgeo import gdal, ogr

1.5 pysal

Pysal是一个面向地理空间数据科学的开源跨平台库，重点是用python编写的地理空间矢量数据。它支持空间分析高级应用程序的开发(详见官方文档或者osgeo译制文档)。此外，考虑下载速度原因，采用国内清华镜像下载安装pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pysal，中途若遇到安装Rtree时提示OSError: could not find or load spatialindex_c-64.dll，请自行前往加利福利亚大学镜像站获取whl文件。

1.5.1 explore

用于对空间和时空数据进行探索性分析的模块，包括对点、网络和多边形格的统计测试。还包括空间不等式和分布动力学的方法。

1.5.2 viz

可视化空间数据中的模式，以检测集群、异常值和热点。

1.5.3 model

用各种线性、广义线性、广义加性和非线性模型对数据中的空间关系进行建模。

1.5.4 lib

解决各种各样的计算几何问题：

从多边形格、线和点构建图形。

空间权重矩阵与图形的构建与交互编辑

α形状、空间指数和空间拓扑关系的计算

读写稀疏图形数据，以及纯python空间矢量数据阅读器。