Python实战之利用Geopandas算出每个省面积
目录
- 1.准备
- 2.基本使用
- 3.绘制并算出每个省的面积
GeoPandas是一个基于pandas,针对地理数http://www.cppcns.com据做了特别支持的第三方模块。
它继承pandas.Series和pandas.Dataframe,实现了GeoSeries和GeoDataFrame类,使得其操纵和分析平面几何对象非常方便。
1.准备
开始之前,你要确保python和pip已经成功安装在电脑上。
请选择以下任一种方式输入命令安装依赖:
1.Windows 环境 打开 Cmd (开始-运行-CMD)。
2.MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3.如果你用的是 VSCode编辑器 或 Pycharm,可以直接使用界面下方的Terminal.
由于geopandas涉及到许多第三方依赖,pip安装起来非常麻烦。因此在本教程中,我只推荐使用conda安装geopandas:
编程客栈conda install geopandas
一行语句即可完成安装。
2.基本使用
设定坐标绘制简单的图形:
importgeopandas fromshapely.geometryimportPolygon p1 = Polygon([(0,0), (1,0), (1编程客栈,1)]) p2 = Polygon([(0,0), (1,0), (1,1), (0,1)]) p3 = Polygon([(2,0), (3,0), (3,1), (2,1)]) g = geopandas.GeoSeries([p1, p2, p3]) # g: # result: # 0 POLYGON ((0 0, 1 0, 1 1, 0 0)) # 1 POLYGON ((0 0, 1 0, 1 1, 0 1, 0 0)) # 2 POLYGON ((2 0, 3 0, 3 1, 2 1, 2 0)) # dtype: geometry
这些变量所形成的图形如下:
这里有一个重要且强大的用法,通过area属性,geopandas能直接返回这些图形的面积:
>>>print(g.area) 00.5 11.0 21.0 dtype: float64
不仅如此,通过plot属性函数,你还可以直接生成matplotlib图。
>>> g.plot()
通过matplot的pyplot,可以将图片保存下来:
importmatplotlib.pyplotasplt g.plot() plt.savefig("test.png")
学会上面的基本用法, 我们就可以进行简单的地图绘制及面积的计算了。
3.绘制并编程客栈算出每个省的面积
此外,它最大的亮点是可以通过 Fiona(底层实现,用户不需要管),读取比如ESRI shapefile(一种用于存储地理要素的几何位置和属性信息的非拓扑简单格式)。
importgeopandas importmatplotlib.pyplotasplt fromshapely.geometryimportPolygon maps = geopandas.read_file('1.shx') # 读取的数据格式类似于 # geometry # 0 POLYGON ((1329152.341 5619http://www.cppcns.com034.278, 1323327.591... # 1 POLYGON ((-2189253.375 4611401.367, -2202922.3... # 2 POLYGON ((761692.092 4443124.843, 760999.873 4... # 3 POLYGON ((-34477.046 4516813.963, -41105.128 4... # ... ... maps.plot() plt.savefig("test.png")
如代码所示,通过read_file你可以读取shx、gpkg、geojson等数据。读取出来的图形如下:
同样,这个shapefile是省级行政区的,每一个省级行政区都被划分为一个区块,因此可以一行语句算出每个省级行政区所占面积:
print(maps.area) # 0 4.156054e+11 # 1 1.528346e+12 # 2 1.487538e+11 # 3 4.781135e+10 # 4 1.189317e+12 # 5 1.468277e+11 # 6 1.597052e+11 # 7 9.770609e+10 # 8 1.385692e+11 # 9 1.846538e+11 # 10 1.015979e+11 # ... ...
到此这篇关于Python实战之利用Geopandas算出每个省面积的文章就介绍到这了,更多相关Python Geopandas内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!
精彩评论