注意

This page was generated from gallery/spatial_joins.ipynb.

Interactive online version:

空间连接#

一个 空间连接 使用二元谓词，例如 intersects 和 crosses ，根据它们几何形状之间的空间关系来组合两个 GeoDataFrames 。

一个常见的用例可能是点层与多边形层之间的空间连接，在这种情况下，您希望保留点几何形状并获取相交多边形的属性。

空间连接的类型#

我们目前支持以下空间连接方法。我们指的是left_df和right_df，它们对应于作为参数传入的两个数据框。

左外连接#

在左外连接 (how='left') 中，我们保留所有来自左侧的行，并在必要时复制它们以表示两个数据框之间的多个匹配。如果右侧的属性相交，我们会保留这些属性，而丢失没有相交的右侧行。左外连接意味着我们对保留左侧的几何体感兴趣。

这相当于PostGIS查询：

SELECT pts.geom, pts.id as ptid, polys.id as polyid
FROM pts
LEFT OUTER JOIN polys
ON ST_Intersects(pts.geom, polys.geom);

                    geom                    | ptid | polyid
--------------------------------------------+------+--------
 010100000040A9FBF2D88AD03F349CD47D796CE9BF |    4 |     10
 010100000048EABE3CB622D8BFA8FBF2D88AA0E9BF |    3 |     10
 010100000048EABE3CB622D8BFA8FBF2D88AA0E9BF |    3 |     20
 0101000000F0D88AA0E1A4EEBF7052F7E5B115E9BF |    2 |     20
 0101000000818693BA2F8FF7BF4ADD97C75604E9BF |    1 |
(5 rows)

右外连接#

在 RIGHT OUTER JOIN (how='right') 中，我们保留所有右侧的行，并在必要时重复它们以表示两个数据框之间的多个匹配。如果左侧的行相交，我们保留其属性，并丢弃那些没有相交的左侧行。右外连接意味着我们对保留右侧的几何图形感兴趣。

这相当于PostGIS查询：

SELECT polys.geom, pts.id as ptid, polys.id as polyid
FROM pts
RIGHT OUTER JOIN polys
ON ST_Intersects(pts.geom, polys.geom);

  geom    | ptid | polyid
----------+------+--------
 01...9BF |    4 |     10
 01...9BF |    3 |     10
 02...7BF |    3 |     20
 02...7BF |    2 |     20
 00...5BF |      |     30
(5 rows)

内连接#

在内连接 (how='inner') 中，我们仅保留左右两侧其二元谓词为 True 的行。如果有必要，我们会复制它们以表示两个数据框之间的多个匹配。我们仅保留左右两侧的属性，如果它们相交，并失去所有不相交的行。内连接意味着我们有兴趣保留左侧的几何形状。

这相当于 PostGIS 查询：

SELECT pts.geom, pts.id as ptid, polys.id as polyid
FROM pts
INNER JOIN polys
ON ST_Intersects(pts.geom, polys.geom);

                    geom                    | ptid | polyid
--------------------------------------------+------+--------
 010100000040A9FBF2D88AD03F349CD47D796CE9BF |    4 |     10
 010100000048EABE3CB622D8BFA8FBF2D88AA0E9BF |    3 |     10
 010100000048EABE3CB622D8BFA8FBF2D88AA0E9BF |    3 |     20
 0101000000F0D88AA0E1A4EEBF7052F7E5B115E9BF |    2 |     20
(4 rows)

两个GeoDataFrames之间的空间连接#

让我们看看如何使用 GeoPandas 来实现这些。首先，将纽约市测试数据加载到 GeoDataFrames 中：

[1]:

%matplotlib inline
from shapely.geometry import Point
from geopandas import GeoDataFrame, read_file
import geodatasets

# NYC Boros
zippath = geodatasets.get_path("nybb")
polydf = read_file(zippath)

# Generate some points
b = [int(x) for x in polydf.total_bounds]
N = 8
pointdf = GeoDataFrame(
    [
        {"geometry": Point(x, y), "value1": x + y, "value2": x - y}
        for x, y in zip(
            range(b[0], b[2], int((b[2] - b[0]) / N)),
            range(b[1], b[3], int((b[3] - b[1]) / N)),
        )
    ]
)

# Make sure they're using the same projection reference
pointdf.crs = polydf.crs

[2]:

pointdf

[2]:

	几何	值1	值2
0	点 (913175 120121)	1033296	793054
1	点 (932450 139211)	1071661	793239
2	点 (951725 158301)	1110026	793424
3	点 (971000 177391)	1148391	793609
4	POINT (990275 196481)	1186756	793794
5	POINT (1009550 215571)	1225121	793979
6	点 (1028825 234661)	1263486	794164
7	点 (1048100 253751)	1301851	794349
8	POINT (1067375 272841)	1340216	794534

[3]:

polydf

[3]:

	行政区代码	行政区名称	形状长度	形状面积	几何
0	5	史坦顿岛	330470.010332	1.623820e+09	MULTIPOLYGON (((970217.022 145643.332, 970227....
1	4	皇后区	896344.047763	3.045213e+09	MULTIPOLYGON (((1029606.077 156073.814, 102957...
2	3	布鲁克林	741080.523166	1.937479e+09	MULTIPOLYGON (((1021176.479 151374.797, 102100...
3	1	曼哈顿	359299.096471	6.364715e+08	多边形 (((981219.056 188655.316, 980940....
4	2	布朗克斯	464392.991824	1.186925e+09	MULTIPOLYGON (((1012821.806 229228.265, 101278...

[4]:

pointdf.plot()

[4]:

<Axes: >

../_images/gallery_spatial_joins_6_1.png

[5]:

polydf.plot()

[5]:

<Axes: >

../_images/gallery_spatial_joins_7_1.png

连接#

[6]:

join_left_df = pointdf.sjoin(polydf, how="left")
join_left_df
# Note the NaNs where the point did not intersect a boro

[6]:

	几何	值1	值2	右索引	区代码	区名称	形状长度	形状面积
0	点 (913175 120121)	1033296	793054	无	无	无	无	无
1	POINT (932450 139211)	1071661	793239	0.0	5.0	斯塔滕岛	330470.010332	1.623820e+09
2	POINT (951725 158301)	1110026	793424	0.0	5.0	斯坦顿岛	330470.010332	1.623820e+09
3	POINT (971000 177391)	1148391	793609	无效值	无效值	无效值	无效值	无效值
4	POINT (990275 196481)	1186756	793794	无效值	无效值	无效值	无效值	无效值
5	POINT (1009550 215571)	1225121	793979	1.0	4.0	皇后区	896344.047763	3.045213e+09
6	POINT (1028825 234661)	1263486	794164	4.0	2.0	布朗克斯	464392.991824	1.186925e+09
7	POINT (1048100 253751)	1301851	794349	无	无	无	无	无
8	POINT (1067375 272841)	1340216	794534	缺失值	缺失值	缺失值	缺失值	缺失值

[7]:

join_right_df = pointdf.sjoin(polydf, how="right")
join_right_df
# Note Staten Island is repeated

[7]:

	左索引	值1	值2	区代码	区名称	形状长度	形状面积	几何形状
0	1.0	1071661.0	793239.0	5	斯塔滕岛	330470.010332	1.623820e+09	MULTIPOLYGON (((970217.022 145643.332, 970227....
0	2.0	1110026.0	793424.0	5	史泰登岛	330470.010332	1.623820e+09	MULTIPOLYGON (((970217.022 145643.332, 970227....
1	5.0	1225121.0	793979.0	4	皇后区	896344.047763	3.045213e+09	MULTIPOLYGON (((1029606.077 156073.814, 102957...
2	NaN	NaN	NaN	3	布鲁克林	741080.523166	1.937479e+09	MULTIPOLYGON (((1021176.479 151374.797, 102100...
3	NaN	NaN	NaN	1	曼哈顿	359299.096471	6.364715e+08	MULTIPOLYGON (((981219.056 188655.316, 980940....
4	6.0	1263486.0	794164.0	2	布朗克斯	464392.991824	1.186925e+09	MULTIPOLYGON (((1012821.806 229228.265, 101278...

[8]:

join_inner_df = pointdf.sjoin(polydf, how="inner")
join_inner_df
# Note the lack of NaNs; dropped anything that didn't intersect

[8]:

	几何	值1	值2	右索引	区代码	区名称	形状长度	形状面积
1	POINT (932450 139211)	1071661	793239	0	5	史泰登岛	330470.010332	1.623820e+09
2	POINT (951725 158301)	1110026	793424	0	5	斯塔滕岛	330470.010332	1.623820e+09
5	POINT (1009550 215571)	1225121	793979	1	4	皇后区	896344.047763	3.045213e+09
6	POINT (1028825 234661)	1263486	794164	4	2	布朗克斯	464392.991824	1.186925e+09

我们不仅限于使用 intersection 二元谓词。可以通过指定 predicate 关键字参数使用任何返回布尔值的 Shapely 几何方法。

[9]:

pointdf.sjoin(polydf, how="left", predicate="within")

[9]:

	几何	值1	值2	右索引	区代码	区名称	形状长度	形状面积
0	点 (913175 120121)	1033296	793054	无	无	无	无	无
1	POINT (932450 139211)	1071661	793239	0.0	5.0	斯塔滕岛	330470.010332	1.623820e+09
2	POINT (951725 158301)	1110026	793424	0.0	5.0	斯坦顿岛	330470.010332	1.623820e+09
3	POINT (971000 177391)	1148391	793609	无效值	无效值	无效值	无效值	无效值
4	POINT (990275 196481)	1186756	793794	无效值	无效值	无效值	无效值	无效值
5	POINT (1009550 215571)	1225121	793979	1.0	4.0	皇后区	896344.047763	3.045213e+09
6	POINT (1028825 234661)	1263486	794164	4.0	2.0	布朗克斯	464392.991824	1.186925e+09
7	POINT (1048100 253751)	1301851	794349	无	无	无	无	无
8	POINT (1067375 272841)	1340216	794534	缺失值	缺失值	缺失值	缺失值	缺失值

我们还可以使用 sjoin_nearest 进行最近邻连接。

[10]:

pointdf.sjoin_nearest(polydf, how="left", distance_col="Distances")
# Note the optional Distances column with computed distances between each point
# and the nearest polydf geometry.

[10]:

	几何	值1	值2	右索引	区代码	区名称	形状长度	形状面积	距离
0	POINT (913175 120121)	1033296	793054	0	5	斯塔滕岛	330470.010332	1.623820e+09	1479.291092
1	POINT (932450 139211)	1071661	793239	0	5	斯塔滕岛	330470.010332	1.623820e+09	0.000000
2	POINT (951725 158301)	1110026	793424	0	5	斯塔滕岛	330470.010332	1.623820e+09	0.000000
3	POINT (971000 177391)	1148391	793609	2	3	布鲁克林	741080.523166	1.937479e+09	5075.979291
4	POINT (990275 196481)	1186756	793794	2	3	布鲁克林	741080.523166	1.937479e+09	22.361467
5	POINT (1009550 215571)	1225121	793979	1	4	皇后区	896344.047763	3.045213e+09	0.000000
6	POINT (1028825 234661)	1263486	794164	4	2	布朗克斯	464392.991824	1.186925e+09	0.000000
7	POINT (1048100 253751)	1301851	794349	4	2	布朗克斯	464392.991824	1.186925e+09	818.940377
8	POINT (1067375 272841)	1340216	794534	4	2	布朗克斯	464392.991824	1.186925e+09	25368.109000

空间连接#

空间连接的类型#

左外连接#

右外连接#

内连接#

两个GeoDataFrames之间的空间连接#

连接#

这一页