GeoPandas 基本使用

1.GeoPandas是什么

       geopandas是一个开源项目，它的目的是使得在Python下更方便的处理地理空间数据。geopandas扩展了pandas的数据类型，允许其在几何类型上进行空间操作。geopandas主要结合了pandas和shapely框架的能力。

          shapely 有一个名为 geometry 的类,也是python 中一个非常重要的类库，其中包含不同的几何对象。

        geopandas两个主要的数据结构，分别是GeoSeries和GeoDataFrame，分别对应了pandas中Series和DataFrame的子类。

      geopandas有三个基本类的几何对象（实际上是形状对象）：点/点集合、 线/线集合、 多边形/多边形集合。

2.GeoSeries

       GeoSeries就是包含了图形series的序列，他包含了几乎所有shapely对象的属性和方法。

     在GeoSeries中可以直接使用Shapely的属性和方法。

• to_crs（）：更改坐标参考系。
• plot（）：绘制GeoSeries。
• GeoSeries.area:   返回一个Series，他包含了GeoSeries中的每个几何的面积(投影面积)。
• GeoSeries.bounds: 返回一个Series，包含了每个几何的边界，用列值minx，miny,maxx,maxy来表示。
• GeoSeries.distance(other): 它包含与其他GeoSeries对象（每个元素）或几何对象的最小距离.
• GeoSeries.length: 返回一个Series, 包含了每个要素的长度。
• GeoSeries.geom_type: 返回一个Series,包含了每个要素的几何对象类型。
• GeoSeries.exterior: 返回一个环形（LinearRings）的一个GeoSeries, 表示每个要素的外边界
• GeoSeries.interior: 返回一个内环的GeoSeries，他表示每个多边形的内环。
• GeoSeries.is_empty ：返回一个布尔型的Series，若为空的几何图形，该值就为True。
• GeoSeries.is_ring：返回一个布尔型的Series，对于闭合的要素，该值就为True。
• GeoSeries.is_simple：返回一个布尔型的Series，如果几何体自身不交叉，该值就为True(仅对线串--LineStrings和线环--LineRings有意义)。
• GeoSeries.is_valid：返回一个布尔型的Series，如果几何体是有效的，该值就为True。
• GeoSeries.almost_equals(other[,decimal=6])：返回一个布尔型的Series对象，如果在指定的小数位精度下，每个对象所有点与其他对象大致相等，该值就为True（可见equals()）。
• GeoSeries.contains(other)：　返回一个布尔型的Series，如果每个对象的内部包含其他对象的内部和边界，并且它们的边界不相接，该值为True。
• GeoSeries.crosses(other)：返回一个布尔型的Series，如果每个对象的内部与其他对象的内部相交但不包含，并且相交的部分小于这两个相交对象自身，该值为True。
• GeoSeries.disjoint(other)： 返回一个布尔型的Series，如果每个对象的边界和内部与其他对象的边界和内部都不相交，该值为True。
• GeoSeries.equals(other)：返回一个布尔型的Series，如果几何对象集合的边界，内部，外部都与其他几何对象一样，该值为True。
• GeoSeries.intersects(other)：返回一个布尔型的Series，如果每个对象的边界和内部以其它任何形式与其他对象相交，该值为True。
• GeoSeries.touches(other)：返回一个布尔型的Series，如果对象与其他对象至少有一个点相同，且它们的内部任何部分都不相交，该值为True。
• GeoSeries.within(other)：返回一个布尔型的Series， 如果每个对象的边界和内部只与其他对象的内部相交（不包括边界和外部），该值为True（与contains()方法相反）。

3.GeoDataFrame

一个GeoDataFrame是一个列表数据结构，他包含了很多GeoSeries。

GeoDataFrame可以包含具有几何（形状）对象的其他列，但每次只能有一个列作为活动式几何。若更改活动式几何列，可使用set_geometry方法。

• GeoDataFrame.from_file(filename, **kwargs)：
• GeoDataFrame.read_file(filename, **kwargs):
• GeoDataFrame.from_postgis(sql,con,geom_col='geom',crs=None,index_col=None,coerce_float=True,params=None)  从PostGIS数据库文件中加载GeoDataFrame。
• GeoSeries.to_crs(crs=None,epsg=None,inplace=False)  转换GeoDataFrame的geometry列中的所有几何图形到其他坐标参考系统。
• GeoSeries.to_file(filename,driver="ESRI Shapefile",**kwargs)  将GeoDataFrame写入文件。默认情况下，写成ESRI的shapefile格式。
• GeoSeries.to_json(**kwargs) 将GeoDataFrame以字符串的方式表示为GeoJSON对象返回。
• GeoSeries.plot(column=None,colormap=None,alpha=0.5,categorical=False,legend=False,axes=None)  绘制GeoDataFrame中几何图形。如果列参数给定，颜色根据这列的值绘制，否则在 geometry列调用GeoSeries.plot()函数。都封装在plot_dataframe()函数中。

4.geopand常用示例练习

注意：    插件库版本可能不兼容有些方法，作者使用以下版本，测OK

        geopandas 可以做数据读取、展示、分析、拓展，甚至可以读取zip中的shapefile文件，还可以读取geojson、arcgis中的地理数据库gdb，一起qgis中的geoPackage存放的矢量数据。

• shape 文件读取

import geopandas
import matplotlib.pyplot as plt
data = geopandas.read_file(r'/Users/ecarx/Desktop/123/shp/AD_Lane.shp')
print(data.crs)
print(data.head())
data.plot()
plt.show()

• 创建shapefile文件，分别用点要素和线要素

data = geopandas.GeoSeries([geometry.Point(120.121, 60),
                            geometry.Point(121.43311, 59.122),
                            geometry.Point(121.034311, 58.999211),
                            geometry.Point(119.431221, 61.232311)], crs='EPSG:4326',index=["点1", "点2", "点3", "点4"])
# 将矢量数据data写入shape文件
data.to_file("Point.shp", driver='ESRI Shapefile', encodings="UTF-8")
data.plot()
plt.show()

  导出shape文件，并展示点位信息

线和面，与点类似。

data = geopandas.GeoSeries([geometry.LineString([(120.32232, 51.222), (121.31032, 51.131), (120.8999, 51.101)]),
geometry.LineString([(121.32232, 51.009), (120.8993, 51.222), (120.14333, 50.1988)])], 
crs='EPSG:4326', index=['线1', '线2'])

5.geopandas与PostGIS进行交互

import geopandas as gpd
from sqlalchemy import create_engine
import matplotlib.pyplot as plt
bj = gpd.read_file("/Users/ecarx/Downloads/110000.geoJson")
# bj.plot()
# plt.show()
engine = create_engine('postgresql://check_comxxx:Ku3pyaXsNW@dev-pg.test.xxxx.cloud:1921/check_comxxx')
bj.to_postgis(name="beijing", con=engine, if_exists='replace', schema='check_coxxx')

北京市的区块范围：

写入数据库展示：

读取数据库中的数据

import geopandas as gpd
from sqlalchemy import create_engine
import matplotlib.pyplot as plt
engine = create_engine('postgresql://check_comxxx:Ku3py1APxgNW@dev-pg.test.xxxx.cloud:1921/check_comxxx')
# 读post库中的数据
sql = "select * from beijing"
beijing = gpd.read_postgis(sql, con=engine, geom_col='geometry')
beijing.plot()
plt.show()