原文：
www.kdnuggets.com/leveraging-geospatial-data-in-python-with-geopandas
空间数据由与位置相关的记录组成。这些数据可以来自 GPS 跟踪、地球观测影像和地图。每个空间数据点可以使用坐标参考系统（如经度/纬度对）在地图上精确定位，这使我们能够调查它们之间的关系。
空间数据的真正潜力在于其将数据点及其对应位置连接起来的能力，创造了无限的高级分析可能性。地理空间数据科学是数据科学中的一个新兴领域，旨在利用地理空间信息，通过空间算法和高级技术（如机器学习或深度学习）提取有价值的见解，以得出有关事件发生及其原因的有意义结论。地理空间数据科学让我们洞察事件发生的地点以及发生的原因。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 为你的组织提供 IT 支持
GeoPandas 是一个开源的 Python 包，专门用于处理信息。它在 pandas 提供的各种数据类型的基础上扩展，提供了对几何对象的空间操作——这使得使用 pandas 数据处理工具 pandas 在 Python 中进行空间分析变得更加便利。由于 GeoPandas 是建立在 Pandas 之上，因此对于熟悉 Python 语法的专业人士来说，可以迅速掌握 GeoPandas 语法。
我们必须安装 GeoPandas 包才能使用它。然而，需要特别注意的是，GeoPandas 依赖于其他必须安装的库才能正常使用。这些依赖项包括 shapely，Fiona，pyproj 和 rtree**。 **
你可以通过两种方式下载 GeoPandas 包。首先，你可以使用 conda 安装 GeoPandas conda 包。这种方法推荐使用，因为它将提供 GeoPandas 的依赖项，而无需你自己安装。你可以运行以下命令来安装 GeoPandas：
conda install geopandas第二种方法是使用 pip，这是 Python 中的标准包安装程序。然而，使用此方法将需要安装其余提到的依赖项。
pip install geopandas一旦安装了 GeoPandas 包，你可以使用以下命令将其导入到你的 Python 代码中：
import geopandas as gpdGeoPandas 用于读取空间数据并将其转换为 GeoDataFrame。然而，重要的是要注意有两种主要的空间数据类型：
-
矢量数据： 矢量数据使用离散几何（点、线和多边形）描述地球位置的地理特征。
-
栅格数据： 栅格数据将世界编码为由网格表示的表面。网格的每个像素由一个连续值或分类类表示。
GeoPandas 主要处理矢量数据。然而，它可以与其他 Python 包结合使用来处理栅格数据，例如 rasterio. 你可以使用强大的 geopandas.read_file() 函数来读取大多数基于矢量的空间数据。矢量数据主要有两种类型：
-
Shapefile： Shapefile 是最常见的数据格式，被认为是行业级的数据类型。它由三个压缩文件组成，通常作为 zip 文件提供：
.shp 文件：此文件包含形状几何体。
.dbf 文件：此文件保存每个几何体的属性，
.shx 文件：这是形状索引文件，帮助将属性链接到形状。
-
GeoJSON： 这是一种新的地理空间数据文件格式，于 2016 年发布。由于它只包含一个文件，相比于 Shapefile，它更易于使用。
在本文中，我们将使用 geopandas.read_file() 函数读取托管在 GitHub 上的包含关于巴塞罗那市区不同区域地理空间数据的 GeoJSON 文件。
首先通过加载数据并使用下面的代码打印前五列来开始：
url = 'https://raw.githubusercontent.com/jcanalesluna/bcn-geodata/master/districtes/districtes.geojson'
districts = gpd.read_file(url)
districts.head()
接下来，为了将数据写入文件，我们可以使用 GeoDataFrame.to_file() 函数将数据写入 Shapefile，但你可以通过 driver 参数将其转换为 GeoJSON。
districts.to_file("districts.geojson", driver="GeoJSON")由于GeoDataFrames是 pandas DataFrame 的子类，它继承了很多属性。然而，也存在一些区别，主要的区别是它可以存储几何列（也称为 GeoSeries）并执行空间操作。GeoDataFrame 中的几何列可以包含各种类型的矢量数据，包括点、线和多边形。然而，只有一列被认为是活动几何列，所有空间操作都将基于该列。
另一个关键特性是每列都有其相关的 CRS 信息，告诉我们候选者在地球上的位置。这个特性之所以关键，是因为如果需要合并两个空间数据集，需要确保它们表达在相同的 CRS 中，否则会得到错误的结果。CRS 信息存储在 GeoPandas 的 crs 属性中：
districts.crs
现在我们已设置正确的投影 CRS，我们准备好探索 GeoDataFrames 的属性了。
GeoPandas 具有四个有用的方法和属性，可用于探索数据。我们将探讨这四个方法：
-
面积
-
质心
-
边界
-
距离
area 属性返回几何体的计算面积。在下面的示例中，我们将计算每个区的面积（单位为 km2）。
districts['area'] = districts.area / 1000000
districts['area']
第二个属性是质心，它返回几何体的中心点。在下面的代码片段中，我们将添加一个新列并保存每个区的质心：
districts['centroid']=districts.centroid
districts['centroid']
第三个方法是边界属性，它计算每个区的多边形边界。下面的代码返回它并将其保存到一个单独的列中：
districts['boundary']=districts.boundary
distance 方法计算某一几何体到特定位置的最小距离。例如，在下面的代码中，我们将计算从圣家族教堂到巴塞罗那每个区质心的距离。之后，我们将添加距离（单位为 km2）并保存到新列中。
from shapely.geometry import Point
sagrada_fam = Point(2.1743680500855005, 41.403656946781304)
sagrada_fam = gpd.GeoSeries(sagrada_fam, crs=4326)
sagrada_fam= sagrada_fam.to_crs(epsg=2062)
districts['sagrada_fam_dist'] = [float(sagrada_fam.distance(centroid)) / 1000 for centroid in districts.centroid]
绘制和可视化数据是更好地理解数据的关键步骤。使用 GeoPandas 绘图与使用 Pandas 绘图一样简单且直观。这是通过建立在 matplotlib Python 包上的 GeoDataFrame.plot() 函数完成的。
我们先通过绘制巴塞罗那区的基础图来开始探索：
ax= districts.plot(figsize=(10,6))
这是一个非常基础的图表，未能提供太多信息。然而，我们可以通过为每个区域着色来使其更具信息性。
ax= districts.plot(column='DISTRICTE', figsize=(10,6), edgecolor='black', legend=True)
最后，我们可以通过添加区域的质心来向我们的图表中添加更多信息。
import contextily
import matplotlib.pyplot as plt
ax= districts.plot(column='DISTRICTE', figsize=(12,6), alpha=0.5, legend=True)
districts["centroid"].plot(ax=ax, color="green")
contextily.add_basemap(ax, crs=districts.crs.to_string())
plt.title('A Colored Map with the centroid of Barcelona')
plt.axis('off')
plt.show()
接下来，我们将探索 GeoPandas 的一个非常重要的特性，即空间关系及其如何相互关联。
地理空间数据在空间上相互关联。GeoPandas 使用 pandas 和 shapely 包来处理空间关系。本节涵盖常见操作。有两种主要方式来合并 GeoPandas DataFrames，即属性连接和空间连接。在本节中，我们将探讨这两者。
属性连接允许你使用非几何变量连接两个 GeoPandas DataFrame，这使得它类似于 Pandas 中的常规连接操作。连接操作使用 pandas.merge()方法，如下面的示例所示。在这个例子中，我们将把巴塞罗那人口数据连接到我们的地理空间数据中，以添加更多信息。
import pandas as pd
pop =pd.read_csv('2022_padro_sexe.csv', usecols=['Nom_Districte','Nombre'])
pop = pd.DataFrame(pop.groupby('Nom_Districte')['Nombre'].sum()).reset_index()
pop.columns=['NOM','population_22']
districts = districts.merge(pop)
districts
另一方面，空间连接是基于空间关系来合并数据帧的。在下面的示例中，我们将识别具有自行车车道的区域。 我们将首先加载数据，如下面的代码所示：
url = 'https://opendata-ajuntament.barcelona.cat/resources/bcn/CarrilsBici/CARRIL_BICI.geojson'
bike_lane = gpd.read_file(url)
bike_lane = bike_lane.loc[:,['ID','geometry']]
bike_lane.to_crs(epsg=2062, inplace=True)
要在空间上连接两个数据帧，我们可以使用 sjoin()函数。 sjoin()函数有四个主要参数：第一个是 GeoDataFrame，第二个参数是我们将添加到第一个 GeoDataFrame 的 GeoDataFrame，第三个参数是连接类型，最后一个参数是谓词，它定义了我们希望用来匹配两个 GeoDataFrame 的空间关系。最常见的部分关系有交叉、包含和在内。在这个例子中，我们将使用交叉参数。
lanes_districts = gpd.sjoin(districts, bike_lane, how='inner', predicate='intersects')
lanes_districts
在这篇文章中，我向你介绍了如何使用开源的 GeoPandas 库进行地理空间数据分析。我们从下载 GeoPandas 包开始，然后讨论了不同类型的地理空间数据以及如何加载它们。最后，我们将探索一些基本操作，以便你能亲自接触到地理空间数据集。尽管地理空间数据分析还有很多需要探索的内容，但这篇博客作为你学习之旅的起点。
Youssef Rafaat 是一名计算机视觉研究员和数据科学家。他的研究重点是开发用于医疗保健应用的实时计算机视觉算法。他还在营销、金融和医疗保健领域担任数据科学家超过 3 年。