本文示例代碼已上傳至我的
Github
倉庫https://github.com/CNFeffery/DataScienceStudyNotes
大家好我是費老師,就在幾天前,geopandas
發布了其0.11.0
正式版本,距離其上一個版本(0.10.2
)發布已過去大半年,在這一次的新版本更新中又為我們帶來了哪些重要的新特性呢,今天的文章中我就來帶大家一探究竟。
你可以在舊版本geopandas
的基礎上進行升級,也可以新建虛擬環境直接安裝0.11.0
版本,本著謹慎嘗鮮的原則,我們可以使用下面的命令一口氣完成新虛擬環境的創建、geopandas
及其相關依賴的安裝,並安裝上jupyterlab
作為IDE進行演示:
conda create -n geopandas-env python=3.8 -c https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main -y
conda activate geopandas-env
conda install geopandas=0.11.0 pygeos pyogrio -c conda-forge -y
pip install jupyterlab -i https://pypi.douban.com/simple/
終端裡執行下列命令驗證一下是否已正確安裝:
python -c "import geopandas as gpd;print(gpd.__version__)"
一切准備就緒,下面我們來一覽此次更新中比較重要的幾個特性:
新版本中為read_file()
與to_file()
引入了參數engine
用於指定讀寫常見矢量文件基於的引擎,默認為原先的'fiona'
,可選'pyogrio'
,這是由geopandas
開發團隊維護的另一個庫,可大幅度提升對常見矢量文件格式如shapefile
的讀寫速度,以讀取具有數百萬個多邊形的廣州市全量建築物輪廓數據為例,新的IO引擎帶來近5倍的讀取性能提升:
以及同樣接近5倍的寫出性能提升:
0.11
中新增針對GeoSeries
和GeoDataFrame
的方法clip_by_rect(minx, miny, maxx, maxy)
,可傳入目標矩形坐標范圍,快速裁切出矩形范圍內的矢量,譬如我們基於前面已經讀入的廣州市建築物輪廓數據,通過下面的函數隨機生成邊長10000米的矩形范圍作為裁切素材:
import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import box
# 計算得到目標GeoDataFrame范圍
minx, miny, maxx, maxy = gdf.total_bounds
def generate_random_rectangle(minx, miny, maxx, maxy):
'''
研究范圍內隨機取得100000米邊長矩形
'''
random_rectangle = [
np.random.uniform(minx, maxx - 10000),
np.random.uniform(miny, maxy - 10000)
]
return [
*random_rectangle,
random_rectangle[0] + 10000,
random_rectangle[1] + 10000,
]
調用clip_by_rect()
:
返回的結果與原始矢量記錄數量一致,其中呈現GEOMETRYCOLLECTION EMPTY
的記錄說明其與目標矩形沒有交集,我們利用is_empty
來反向篩選出發生裁切的矢量記錄:
除此之外,你還可以直接將[minx, miny, maxx, maxy]
格式的輸入傳入經典的clip()
裁切方法中,它會在底層直接調用clip_by_rect()
並自動返回有效矢量裁切結果:
從0.11.0
版本開始,geopandas
在面對日期時間型字段時,無論是寫出到GIS文件還是從GIS文件讀入,都可以保證正確解析為日期時間型:
你可以在https://github.com/geopandas/geopandas/releases/tag/v0.11.0
查看完整的版本更新說明,總體而言,這次新版本更新帶來的重要更新並不太多,但都頗為實用,你可以在自己的數據上使用一番。
以上就是本文的全部內容,歡迎在評論區與我進行討論~