Ctrl+K

向量数据的属性和索引

向量数据的属性和索引#

每个 GeoSeries 都可以包含任何几何类型（例如点、线、多边形），并拥有 GeoSeries.crs 属性，它存储关于投影（projection）的信息（crs 代表坐标参考系（Coordinate Reference System））。因此，GeoDataFrame 中的每个 GeoSeries 可以在不同的投影中，例如，允许您在不同的 CRS 中拥有相同几何图形的多个版本。

创建新属性#

最基本的运算之一是创建新属性。举个例子，想看看世界人口以百万为单位。可以从现有的数据列 pop_est 开始。从查看列名开始：

import geopandas
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
world.columns

/tmp/ipykernel_1659/3391729379.py:2: FutureWarning: The geopandas.dataset module is deprecated and will be removed in GeoPandas 1.0. You can get the original 'naturalearth_lowres' data from https://www.naturalearthdata.com/downloads/110m-cultural-vectors/.
  world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))

Index(['pop_est', 'continent', 'name', 'iso_a3', 'gdp_md_est', 'geometry'], dtype='object')

然后，可以根据列名进行基本运算。这里创建新列 m_pop_est：

world['m_pop_est'] = world['pop_est'] / 1e6
world.head(2)

      pop_est continent      name iso_a3  gdp_md_est  \
0    889953.0   Oceania      Fiji    FJI        5496   
1  58005463.0    Africa  Tanzania    TZA       63177   

                                            geometry  m_pop_est  
0  MULTIPOLYGON (((180.00000 -16.06713, 180.00000...   0.889953  
1  POLYGON ((33.90371 -0.95000, 34.07262 -1.05982...  58.005463

索引和选择数据#

GeoPandas 继承了用于索引/选择数据的标准 pandas 方法。这包括使用 .loc 的基于标签的索引和使用 .iloc 的基于整数位置的索引，它们适用于 GeoSeries 和 GeoDataFrame 对象。

按索引位置选择#

Pandas 提供了一套方法，以获得纯基于整数的索引。语义与 Python 和 NumPy 切片密切相关。这些是基于 0 的索引。切片时，包含起始边界，而不包含上界。

import matplotlib.pyplot as plt
plt.style.use('bmh') # better for plotting geometries vs general plots.

world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
northern_world = world.iloc[ 0:4 ]    
northern_world.plot(figsize=(10, 5))  
plt.show()

/tmp/ipykernel_1659/1020496391.py:4: FutureWarning: The geopandas.dataset module is deprecated and will be removed in GeoPandas 1.0. You can get the original 'naturalearth_cities' data from https://www.naturalearthdata.com/downloads/110m-cultural-vectors/.
  world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))

<Figure size 1000x500 with 1 Axes>

不同的索引选择#

为了支持更明确的基于位置的索引，对象选择有许多用户要求的附加功能。

从具有多轴选择的对象中获取值使用以下表示法（以 .loc 为例，但以下表示法也适用于 .iloc）。任何轴访问器都可以是空切片 :。规格中遗漏的轴被假设为 :，例如 p.loc['a'] 等价于 p.loc['a'，:，:]。

按位置划分的子集点#

除了标准的 pandas 方法之外，GeoPandas 还使用 cx 索引器提供基于坐标的索引，cx 索引器使用边界框进行切片。GeoSeries 或 GeoDataFrame 中与边界框相交的几何图形将被返回。

使用 world 数据集，可以使用这个功能，使用 .cx 的 _CoordinateIndexer 快速选择北半球和南半球的所有城市。.cx 允许您快速访问表的几何形状，其中索引反射（reflects） [x,y] 或 [lon,lat]。这里将查询纬度 \(0\) 度以上和 \(0\) 度以下的点：

world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
northern_world = world.cx[ : , 0: ]   # subsets all rows above 0 with a slice
northern_world.plot(figsize=(10, 5))
plt.show()

/tmp/ipykernel_1659/3889621795.py:1: FutureWarning: The geopandas.dataset module is deprecated and will be removed in GeoPandas 1.0. You can get the original 'naturalearth_cities' data from https://www.naturalearthdata.com/downloads/110m-cultural-vectors/.
  world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))

<Figure size 1000x500 with 1 Axes>

world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))
southern_world = world.cx[ : , :0 ]   # subsets all rows below 0  with a slice
southern_world.plot(figsize=(10, 5))
plt.show()

/tmp/ipykernel_1659/1870997234.py:1: FutureWarning: The geopandas.dataset module is deprecated and will be removed in GeoPandas 1.0. You can get the original 'naturalearth_cities' data from https://www.naturalearthdata.com/downloads/110m-cultural-vectors/.
  world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_cities'))

<Figure size 1000x500 with 1 Axes>
目录