添加微信号"CNFeffery"

备注"数据分析"加入技术交流群

❝
本文完整代码及附件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes
❞

1 简介

大家好我是费老师，就在昨天，Python生态中著名的GIS分析库geopandas发布了其1.0.0正式版本。

历经10年迭代升级，geopandas充分完善了其在GIS数据分析上的功能，使得我们可以使用类似pandas的操作方式，便捷且高性能的开展各种常用的GIS分析运算，极大增强了Python在GIS分析领域的能力。

今天的文章，费老师我就将带大家一起快速了解在全新的1.0版本中，新的功能特性、优化提升以及相关API的变动情况🚀~

2 geopandas 1.0版本介绍

如果你还未曾安装使用过geopandas，我最推荐的方式是新建虚拟环境，并在虚拟环境中通过conda-forge源进行稳定安装，以当下非常流行的开源环境管理工具mamba（可参考我所写的教程

mamba使用教程

公众号：Python大数据分析
是时候跟Conda说再见了

）为例，在终端执行下列命令（目前推荐Python版本为3.9），静静等待，即可一步到位完成最新版geopandas的安装：

mamba create -n geopandas-env python=3.9 -y && mamba activate geopandas-env && mamba install geopandas -y

而如果你已经安装了先前版本的geopandas，那么在你的对应环境下，终端执行下列命令即可进行版本升级：

mamba update geopandas -y

新安装或升级完成后，检查一下版本变化，成功升级到1.0.0版本🥳：

2.1 新增API介绍

首先我们来了解一下新版本geopandas中新增的部分主要的API：

2.1.1 新增count_geometries()方法

新增方法count_geometries()，用于针对多部件要素计算单体要素数量：

2.1.2 新增count_interior_rings()方法

新增方法count_interior_rings()，用于针对多边形要素计算内环数量：

2.1.3 新增relate_pattern()方法

新增方法relate_pattern()，用于计算要素之间是否满足特定的DE-9IM（一种分别计算成对要素在内部、边界、外部两两之间相交相离状态的复杂空间模型）空间关系，具体的原理细节较多，我会在之后单独撰文介绍，下面仅演示relate_pattern()的使用示例：

2.1.4 新增intersection_all()方法

新增方法intersection_all()，用于计算矢量列中全体要素的公共相交部分：

2.1.5 新增line_merge()方法

新增方法line_merge()，用于快速合并一系列端点相交的线要素：

2.1.6 新增set_precision()、get_precision()方法

新增方法set_precision()、get_precision()，用于设置及获取矢量列的坐标精度大小：

2.1.7 新增count_coordinates()方法

新增方法count_coordinates()，用于快速计算矢量列各要素坐标点数量：

2.1.8 新增is_ccw属性方法

新增属性方法is_ccw，用于针对坐标点数量大于等于4个的线要素，判断其坐标串方向是否符合逆时针方向：

2.1.9 新增is_closed属性方法

新增属性方法is_closed，用于判断线要素是否起点终点相同：

2.1.10 新增force_2d()、force_3d()方法

新增方法force_2d()、force_3d()，用于将矢量列强制去除z轴坐标、强制添加z轴坐标：

2.1.11 新增voronoi_polygons()方法

新增方法voronoi_polygons()，用于基于整体矢量列的所有顶点，快速生成泰森多边形：

2.1.12 新增contains_properly()方法

新增方法contains_properly()，用于快捷判断矢量A是否严格包含矢量B，与contains()方法的区别是，contains_properly()不允许作比较的矢量间有任何公共点：

2.1.13 新增build_area()方法

新增方法build_area()，用于基于一系列可以构成闭合面要素的线要素，整体生成合法的若干多边形：

2.1.14 新增snap()方法

新增方法snap()，用于将满足距离阈值要求的要素A挂靠到对应的要素B之上：

2.1.15 新增transform()方法

新增方法transform()，用于基于自定义坐标偏移函数，实现对矢量要素的坐标转换，其中自定义函数的输入为N行2列后N行3列的numpy数组，输出形状与输入一致即可，我们可以配合numpy中的apply_along_axis()实现自由的坐标点级别转换计算，而无需关心输入的要素是点线面中的哪种：

2.1.16 新增get_geometry()方法

新增方法get_geometry()，用于将矢量列各要素视作多部件要素，进行快捷位序索引：

2.1.17 新增dwithin()方法

新增方法dwithin()，用于快速判断矢量A是否在矢量B目标的指定距离内：

2.1.18 新增to_geo_dict()方法

新增方法to_geo_dict()，用于将GeoDataFrame快捷转化为GeoJSON格式字典数据结构：

2.2 功能增强

接下来我们来了解新版本中获得功能增强的一些主要API：

2.2.1 空间连接新增dwithin型空间关系判断

针对sjoin()方法，新增了dwithin型空间关系判断，使得我们可以在geopandas中真正意义上直接实现“匹配与目标要素距离在XXX以内的纪录行”：

2.2.2 配合pd.read_csv指定矢量列类型

在新版本中，我们可以将GeoDataFrame写出为csv格式，并在使用pd.read_csv()读取时，通过dtype参数将对应列指定解析为矢量类型：

2.2.3 to_json()新增参数show_bbox、drop_id、to_wgs84

针对GeoDataFrame.to_json()，新增参数show_bbox、drop_id、to_wgs84，实现更为定制化的GeoJSON转化：

demo_gdf = gpd.GeoDataFrame(
    {
        'name': ['示例要素'],
        'geometry': [Point(106, 29)]
    },
    crs='EPSG:4524'
)
print(demo_gdf.to_json(
    ensure_ascii=False,
    indent=4,
    show_bbox=True,
    drop_id=True,
    to_wgs84=False
))