本文示例代碼及文件已上傳至我的
Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes
1 簡介
就在前不久，我們非常熟悉的Python地理空間分析庫geopandas更新到了0.10.0版本，而伴隨最近一段時間其針對新版本的一些潛在bug進行的修復，寫作本文時最新的正式版本為0.10.2。此次0.10.x版本為我們帶來了諸多令人興奮的新功能新特性，本文就將帶大家一睹其中一些比較重要的內容😋。
2 geopandas 0.10版本重要新特性一覽
如果你已經安裝了舊版本的geopandas，那么推薦執行下列命令進行geopandas的更新：
conda update geopandas -c https://mirror.sjtu.edu.cn/anaconda/cloud/conda-forge -y
而如果你還沒有安裝geopandas，那么下面的安裝方式是最穩妥的：
conda install geopandas=0.10.2 -c https://mirror.sjtu.edu.cn/anaconda/cloud/conda-forge -y
pip uninstall rtree -y
pip install rtree -i https://pypi.douban.com/simple/
pip install pygeos -i https://pypi.douban.com/simple/
安裝/更新完成后，檢驗一下geopandas是否被正確安裝：
下面我們就來看看這次版本更新中有哪些重要新變動吧~
2.1 新增空間最近連接方法sjoin_nearest()
我們都知道利用geopandas中的sjoin()，可以完成基於多種空間拓撲關系的空間連接操作。
但有些時候我們需要判斷的並不是左右兩表中矢量列相交、包含等直接的拓撲關系，而是左右兩表矢量列之間距離至多xx米內，彼此距離最近的成對匹配結果，像這樣的空間距離關系判斷，這在舊版本的geopandas中，通常可以左右兩邊分別做緩沖區后進行常規空間連接，再分組進行距離計算，最后才能篩選出所需的結果，頗為麻煩。
而這次新增的sjoin_nearest()就可以支持我們一步到位開展上述分析計算功能，它的主要參數有：
- left_df：連接對應的左
GeoDataFrame - right_df：連接對應的右
GeoDataFrame - how：設置連接方式，可選的有
'left'、'right'及'inner'，默認為'inner' - max_distance：重要參數，用於設置最大搜索距離閾值，當矢量間的距離小於此閾值時才會進行連接
- lsuffix：設置左表重名字段后綴文字，默認為
'left' - rsuffix：設置右表重名字段后綴文字，默認為
'right' - distance_col：設置連接結果表中記錄對應矢量間距離的字段名稱，默認不設置時不會在結果表中添加距離信息
下面我們來通過一個簡單的例子來體驗這個功能：
import geopandas as gpd
from shapely.geometry import Point
# 構造示例點要素表1
gdf1 = gpd.GeoDataFrame(
{
'id1': list('abc'),
'geometry': [
Point(0, 0),
Point(1, 0),
Point(-1, 0)
]
}
)
# 構造示例點要素表2
gdf2 = gpd.GeoDataFrame(
{
'id2': list('def'),
'geometry': [
Point(0.4, 0),
Point(1.2, 0),
Point(-1.3, 0)
]
}
)
ax = gdf1.plot(color='red')
ax = gdf2.plot(color='green', ax=ax)
ax.axis('equal');
顏色即用來區分我們的左右表對應矢量點位置，下面直接運用sjoin_nearest()進行空間最近連接，設置的距離閾值為0.35：
(
gpd
.sjoin_nearest(gdf1, gdf2, max_distance=0.35, distance_col='對應距離')
)
非常的方便快捷：
2.2 新增交互地圖式數據探索方法explore()
很多人都知道著名的在線地圖可視化組件leaflet在Python中有對應的庫folium，而在這次新版本中，geopandas為GeoDataFrame及GeoSeries對象新增交互式地圖可視化方法explore()，你可以理解為交互式版本的plot()方法。
其參數設置較為豐富，我之后會單獨寫一篇文章來為大家介紹，下面展示一個簡單易懂的例子（注意，如果你的矢量數據非常大，請不要用此方法繪圖，在線地圖方式適合較小的矢量數據）：
provinces = gpd.read_file('省.shp')
provinces.head(3)
...
provinces.explore(
column='類型',
zoom_start=4
)
2.3 sjoin()、sjoin_nearest()、overlay()和clip()亦可作為GeoDataFrame的方法來使用
在以前的版本中，我們只能使用gpd.XXX()的方式來使用sjoin()、overlay()、clip()等方法，而在這次新版本更新中，我們可以像pandas里的merge()、join()那樣作為方法使用，好處就是可以更好的書寫鏈式運算過程啦🥳！以上文介紹的sjoin_nearest()為例，只需向sjoin_nearest()方法中傳入右表即可：
(
gdf1
.sjoin_nearest(gdf2,
max_distance=0.35,
distance_col='對應距離')
)
2.4 GeoSeries新增批量XY轉點方法from_xy()
新版本中為GeoSeries對象新增了from_xy()方法來快速實現坐標轉點，下面與gpd.points_from_xy()的效果進行對比：
gpd.points_from_xy(x=range(10), y=range(10))
...
gpd.GeoSeries.from_xy(x=range(10), y=range(10))
2.5 to_file()方法在driver參數缺省時可自動識別導出文件類型
在新版本中，若未在to_file()中指定driver參數，geopandas會自動根據文件后綴名來自動推斷要導出的矢量文件類型：
import os
gdf1.to_file('test.shp')
gdf1.to_file('test.geojson')
[file for file in os.listdir() if 'test.' in file]
2.6 支持對矢量數據自動推斷合適的橫軸墨卡托坐標參考系
其實這個特性在0.9版本中就已加入，但是還有一些小問題，而新版本中這個功能更加完善，效果如下：
2.7 sjoin()中的op參數改名為predicate
為了讓參數名更加的貼切，在以前版本sjoin()中用於設置拓撲關系的參數op在這次新版本中被改名為predicate，大家在使用時要留意：
大家在了解到這些新功能和變動后，在使用新版geopandas時，如果遇到未知bug，歡迎在https://github.com/geopandas/geopandas/issues及時提交說明，一起幫助geopandas變得更加好用和完善😇。
以上就是本文的全部內容，歡迎在評論區與我進行討論~