15

我正在寻找使用 Geopandas / Shapely来做相当于 ArcPy生成近邻表的操作。我对 Geopandas 和 Shapely 非常陌生，并且开发了一种有效的方法，但我想知道是否有更有效的方法来做到这一点。

我有两个点文件数据集 - 人口普查块质心和餐馆。我正在寻找，对于每个人口普查块质心，到它最近的餐厅的距离。在同一家餐厅是多个街区最近的餐厅方面没有限制。

这对我来说变得有点复杂的原因是Geopandas 距离函数计算元素，基于索引匹配。因此，我的一般方法是将餐厅文件转换为多点文件，然后将块文件的索引设置为所有相同的值。然后所有的块质心和餐馆都有相同的索引值。

import pandas as pd
import geopandas as gpd
from shapely.geometry import Polygon, Point, MultiPoint

现在阅读 Block Centroid 和 Restaurant Shapefile：

Blocks=gpd.read_file(BlockShp)
Restaurants=gpd.read_file(RestaurantShp)

由于 Geopandas 距离函数按元素计算距离，因此我将 Restaurant GeoSeries 转换为 MultiPoint GeoSeries：

RestMulti=gpd.GeoSeries(Restaurants.unary_union)
RestMulti.crs=Restaurants.crs
RestMulti.reset_index(drop=True)

然后我将块的索引设置为等于 0（与餐厅多点的值相同）作为按元素计算的解决方法。

Blocks.index=[0]*len(Blocks)

最后，我使用 Geopandas 距离函数计算每个 Block 质心到最近餐厅的距离。

Blocks['Distance']=Blocks.distance(RestMulti)

请就如何改进这方面的任何方面提供任何建议。我不喜欢使用 Geopandas 或 Shapely，但我希望学习 ArcPy 的替代方法。

谢谢您的帮助！

4

3 回答 3

21

如果我正确理解您的问题，街区和餐厅可能有非常不同的维度。出于这个原因，尝试通过重新索引来强制转换为表格格式可能是一种不好的方法。

我会绕过街区并获得到餐馆的最短距离（正如@shongololo 所建议的那样）。

我将稍微更一般一些（因为我已经写下了这段代码）并从点到线做一个距离，但是相同的代码应该从点到点或从多边形到多边形。我将从GeoDataFrame点开始，然后创建一个与线的距离最小的新列。

%matplotlib inline
import matplotlib.pyplot as plt
import shapely.geometry as geom
import numpy as np
import pandas as pd
import geopandas as gpd

lines = gpd.GeoSeries(
    [geom.LineString(((1.4, 3), (0, 0))),
        geom.LineString(((1.1, 2.), (0.1, 0.4))),
        geom.LineString(((-0.1, 3.), (1, 2.)))])

# 10 points
n  = 10
points = gpd.GeoSeries([geom.Point(x, y) for x, y in np.random.uniform(0, 3, (n, 2))])

# Put the points in a dataframe, with some other random column
df_points = gpd.GeoDataFrame(np.array([points, np.random.randn(n)]).T)
df_points.columns = ['Geometry', 'Property1']

points.plot()
lines.plot()

在此处输入图像描述

现在获取点到线的距离，只保存每个点的最小距离（请参阅下面的应用版本）

min_dist = np.empty(n)
for i, point in enumerate(points):
    min_dist[i] = np.min([point.distance(line) for line in lines])
df_points['min_dist_to_lines'] = min_dist
df_points.head(3)

这使

    Geometry                                       Property1    min_dist_to_lines
0   POINT (0.2479424516236574 2.944916965334865)    2.621823    0.193293
1   POINT (1.465768457667432 2.605673714922998)     0.6074484   0.226353
2   POINT (2.831645235202689 1.125073838462032)     0.657191    1.940127

- - 编辑 - -

（取自 github 问题） Usingapply更好，更符合您的操作方式pandas：

def min_distance(point, lines):
    return lines.distance(point).min()

df_points['min_dist_to_lines'] = df_points.geometry.apply(min_distance, df_lines)

编辑：至少从 2019-10-04 开始，pandas 的更改似乎需要在最后一个代码块中使用不同的输入，使用以下args参数.apply()：

df_points['min_dist_to_lines'] = df_points.geometry.apply(min_distance, args=(df_lines,))
于 2015-09-18T22:59:29.740 回答
4

我将在 geopandas 中使用两个不同维度的示例数据集进行演示。

import geopandas as gpd

# read geodata for five nyc boroughs
gdf_nyc = gpd.read_file(gpd.datasets.get_path('nybb'))
# read geodata for international cities
gdf_cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))

# convert to a meter projection
gdf_nyc.to_crs(epsg=3857, inplace=True)
gdf_cities.to_crs(epsg=3857, inplace=True)

我们可以简单地将 lambda 函数应用于 GeoSeries。例如，如果我们想获得每个纽约市行政区（多边形）与其最近的国际城市（点）之间的最小距离。我们可以做到以下几点：

gdf_nyc.geometry.apply(lambda x: gdf_cities.distance(x).min())

这会给我们

0    384422.953323
1    416185.725507
2    412520.308816
3    419511.323677
4    440292.945096
Name: geometry, dtype: float64

同样，如果我们想要每个国际城市与其最近的纽约市行政区之间的最小距离。我们可以做到以下几点：

gdf_cities.geometry.apply(lambda x: gdf_nyc.distance(x).min())

这会给我们

0      9.592104e+06
1      9.601345e+06
2      9.316354e+06
3      8.996945e+06
4      2.614927e+07
           ...     
197    1.177410e+07
198    2.377188e+07
199    8.559704e+06
200    8.902146e+06
201    2.034579e+07
Name: geometry, Length: 202, dtype: float64

笔记：

  1. 在计算距离之前，将您的 GeoDataFrame 转换为笛卡尔投影。在示例中，我使用epsg:3857了 ，因此距离将以米为单位。如果您使用椭圆体（基于经度/纬度）投影，则结果将是度数。首先转换您的投影，然后再进行其他任何操作，例如获取多边形的质心。
  2. 两点之间只有一个距离。.distance()当您想要获取距离（比如说，点和线之间）时，该方法返回的最小距离是有意义的。换句话说，.distance()方法可以计算任意两个地理对象之间的距离。
  3. 当 GeoDataFrame 中有多个geometry列时，请确保将 lambda 函数应用于所需的 GeoSeries，并.distance()从所需的 GeoSeries 中调用该方法。在示例中，我直接从 GeoDataFrame 调用该方法，因为它们都只有一个 GeoSeries 列。
于 2020-07-31T18:27:06.473 回答
0

您的代码缺少一个细节，args = (df_lines)

def min_distance(point, lines):
    return lines.distance(point).min()

df_points['min_dist_to_lines'] = df_points.geometry.apply(min_distance, args=(df_lines,))# Notice the change to this line
于 2018-12-05T17:36:02.453 回答