Python空间分析实战：使用GeoPandas进行地理数据处理

GeoPandas是Python中用于地理空间数据处理的核心库，它扩展了Pandas的功能，使其能够处理带有几何信息的数据。本文将介绍GeoPandas的基本用法和常用空间分析操作。

一、安装与环境配置

首先需要安装GeoPandas及其依赖库：

pip install geopandas matplotlib descartes

二、读取空间数据

GeoPandas支持多种空间数据格式，包括Shapefile、GeoJSON、GPKG等。

import geopandas as gpd

# 读取Shapefile
gdf = gpd.read_file("data/cities.shp")

# 读取GeoJSON
gdf = gpd.read_file("data/cities.geojson")

# 查看数据结构
print(gdf.head())
print(gdf.crs)

三、空间数据基本操作

3.1 数据探索

# 查看几何类型
print(gdf.geometry.type)

# 计算面积
gdf["area"] = gdf.geometry.area

# 计算质心
gdf["centroid"] = gdf.geometry.centroid

# 边界框
bbox = gdf.geometry.total_bounds

3.2 空间索引

空间索引可以显著提高空间查询的效率。

# 创建空间索引
sindex = gdf.sindex

# 使用空间索引查询
possible_matches_index = list(sindex.intersection(bbox))
possible_matches = gdf.iloc[possible_matches_index]

四、常用空间分析

4.1 缓冲区分析

# 创建缓冲区
buffered = gdf.geometry.buffer(1000)  # 1000米缓冲区

4.2 叠加分析

# 交集分析
intersection = gpd.overlay(gdf1, gdf2, how="intersection")

# 并集分析
union = gpd.overlay(gdf1, gdf2, how="union")

# 差集分析
difference = gpd.overlay(gdf1, gdf2, how="difference")

4.3 空间连接

# 空间连接
joined = gpd.sjoin(gdf_points, gdf_polygons, how="left", op="within")

五、数据可视化

import matplotlib.pyplot as plt

# 基础可视化
fig, ax = plt.subplots(figsize=(10, 8))
gdf.plot(ax=ax, column="population", legend=True)
plt.title("城市人口分布图")
plt.show()

GeoPandas是Python空间分析的利器，掌握它可以大大提升地理数据处理的效率。后续我会分享更多高级分析技巧和实战案例。