Python 一行代码算出每个省面积的神器—Geopandas

开发 后端
GeoPandas是一个基于pandas,针对地理数据做了特别支持的第三方模块。


 GeoPandas是一个基于pandas,针对地理数据做了特别支持的第三方模块。

它继承pandas.Series和pandas.Dataframe,实现了GeoSeries和GeoDataFrame类,使得其操纵和分析平面几何对象非常方便。

1.准备

开始之前,你要确保Python和pip已经成功安装在电脑上,如果没有,可以访问这篇文章:超详细Python安装指南 进行安装。

(可选1) 如果你用Python的目的是数据分析,可以直接安装Anaconda:Python数据分析与挖掘好帮手—Anaconda,它内置了Python和pip.

(可选2) 此外,推荐大家用VSCode编辑器,它有许多的优点:Python 编程的最好搭档—VSCode 详细指南。

请选择以下任一种方式输入命令安装依赖:

1. Windows 环境 打开 Cmd (开始-运行-CMD)。

2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。

3. 如果你用的是 VSCode编辑器 或 Pycharm,可以直接使用界面下方的Terminal.

由于geopandas涉及到许多第三方依赖,pip安装起来非常麻烦。因此在本教程中,我只推荐使用conda安装geopandas: 

conda install geopandas

一行语句即可完成安装。

2.基本使用

设定坐标绘制简单的图形: 

import geopandas
from shapely.geometry import Polygon
p1 = Polygon([(0, 0), (1, 0), (1, 1)])
p2 = Polygon([(0, 0), (1, 0), (1, 1), (0, 1)])
p3 = Polygon([(2, 0), (3, 0), (3, 1), (2, 1)])
g = geopandas.GeoSeries([p1, p2, p3])
# g:
# result:
# 0 POLYGON ((0 0, 1 0, 1 1, 0 0))
# 1 POLYGON ((0 0, 1 0, 1 1, 0 1, 0 0))
# 2 POLYGON ((2 0, 3 0, 3 1, 2 1, 2 0))
# dtype: geometry

这些变量所形成的图形如下:

这里有一个重要且强大的用法,通过area属性,geopandas能直接返回这些图形的面积: 

>>> print(g.area)
0 0.5
1 1.0
2 1.0
dtype: float64

不仅如此,通过plot属性函数,你还可以直接生成matplotlib图。

>>> g.plot()

通过matplot的pyplot,可以将图片保存下来: 

import matplotlib.pyplot as plt
g.plot()
plt.savefig("test.png")

学会上面的基本用法, 我们就可以进行简单的地图绘制及面积的计算了。

3.绘制并算出每个省的面积

此外,它最大的亮点是可以通过 Fiona(底层实现,用户不需要管),读取比如ESRI shapefile(一种用于存储地理要素的几何位置和属性信息的非拓扑简单格式)。 

import geopandas
import matplotlib.pyplot as plt
from shapely.geometry import Polygon
maps = geopandas.read_file('1.shx')
# 读取的数据格式类似于
# geometry
# 0 POLYGON ((1329152.341 5619034.278, 1323327.591...
# 1 POLYGON ((-2189253.375 4611401.367, -2202922.3...
# 2 POLYGON ((761692.092 4443124.843, 760999.873 4...
# 3 POLYGON ((-34477.046 4516813.963, -41105.128 4...
# ... ...
maps.plot()
plt.savefig("test.png")

如代码所示,通过read_file你可以读取shx、gpkg、geojson等数据。读取出来的图形如下:

同样,这个shapefile是省级行政区的,每一个省级行政区都被划分为一个区块,因此可以一行语句算出每个省级行政区所占面积: 

print(maps.area)
# 0 4.156054e+11
# 1 1.528346e+12
# 2 1.487538e+11
# 3 4.781135e+10
# 4 1.189317e+12
# 5 1.468277e+11
# 6 1.597052e+11
# 7 9.770609e+10
# 8 1.385692e+11
# 9 1.846538e+11
# 10 1.015979e+11
# ... ...

怎么样,是不是很酷?它还有许多更库的特性,欢迎阅读官方文档:

​https://geopandas.readthedocs.io/​​ 

 

责任编辑:庞桂玉 来源: 菜鸟学Python
相关推荐

2016-12-02 08:53:18

Python一行代码

2021-11-02 16:25:41

Python代码技巧

2022-04-09 09:11:33

Python

2020-08-12 14:54:00

Python代码开发

2017-04-13 19:20:18

Python代码并行任务

2020-08-19 10:30:25

代码Python多线程

2017-04-05 11:10:23

Javascript代码前端

2020-09-28 12:34:38

Python代码开发

2021-01-25 09:36:00

Python代码文件

2022-02-23 14:37:48

代码Pythonbug

2014-02-12 13:43:50

代码并行任务

2022-07-06 08:32:35

Python代码Matplotlib

2022-07-14 10:54:15

Python代码Matplotlib

2024-05-31 13:14:05

2020-01-10 22:56:56

Python图像处理Linux

2022-09-28 10:12:50

Python代码可视化

2020-04-30 10:25:37

代码Github开源

2024-09-26 15:46:54

Python编程

2021-08-31 09:49:37

CPU执行语言

2023-01-12 08:07:03

Python代码版权
点赞
收藏

51CTO技术栈公众号