重叠多边形时在geopandas中的空间连接？

Question

我有两个数据集，一个是点（商店），一个是多边形（区）。

Districts 数据集有时具有重叠的多边形（因为我已经缓冲了它们）。

我想知道每个多边形是否有匹配点？

joined = geopandas.sjoin(districts,shops, op='contains', how='inner')
joined

上面的代码可能只给了我一个匹配的多边形。 如何检查每个多边形？

Answer 1

TL/DR

gpd.sjoin(districts, shops, how="left", op="contains") \
.reset_index()\
.rename(columns={"index": "districts"})\
.groupby(["districts"])\
.agg(nshops=("index_right", "nunique"), lshops=("index_right", "unique"))\
.astype(str)\
.replace("[nan]", "")

说明

问题设置

假设我们有 3 个区（ d1 、 d2和d3 ）。 两个区重叠（ d1和d2 ）。 我们有4家商店。 s1在d1区内， s2在d2区内。 s12位于d1和d2区内。 s3不在任何区。

我们使用shapely在 python 中生成这个几何：

from shapely.geometry import Point
from shapely.geometry import Polygon
import matplotlib.pyplot as plt
# Create Polygons for the districts
d1 = Polygon([(0, 0), (3, 0), (3, 3), (0, 3)])
d2 = Polygon([(1, 1), (4, 1), (4, 4), (1, 4)])
d3 = Polygon([(5, 2), (6, 2), (6, 3), (5, 3)])
# Create Points for the shops
s1 = Point(0.5, 0.5)
s2 = Point(3.5, 3.5)
s3 = Point(4.5, 2)
# This shop is in distric 1 and distric 2.
s12 = Point(2, 2)

将几何图形保存到 GeoPandas DataFrame 中并使用 matplotlib 我们可以查看配置：

import geopandas as gpd
import matplotlib.pyplot as plt
districts = gpd.GeoDataFrame(index=['d1', 'd2', 'd3'], geometry=[d1, d2, d3])
shops = gpd.GeoDataFrame(index=['s1', 's12', 's2', 's3'], geometry=[s1, s12, s2, s3])
ax = districts.boundary.plot()
shops.plot(ax=ax, color='red')
plt.show()

现在让我们看看空间连接在 GeoPandas 中是如何工作的。 我们必须小心数据帧的顺序，因为操作不是可交换的。 意思是gpd.sjoin(shops, districts, how="inner", op="contains")不等于gpd.sjoin(districts, shops, how="inner", op="contains") 。

现在让我们来看看六种排列：

1 gpd.sjoin(shops, districts, how="left", op="contains")

	几何学	index_right
s1	积分 (0.5 0.5)	南
s12	点 (2 2)	南
s2	积分 (3.5 3.5)	南
s3	积分 (4.5 2)	南

将商店作为索引并用 NaN 填充区列。

2 gpd.sjoin(shops, districts, how="right", op="contains")

	index_left	几何学
d1	南	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))
d2	南	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))
d3	南	POLYGON ((5 2, 6 2, 6 3, 5 3, 5 2))

将地区作为索引并用 NaN 填充商店列。

3 gpd.sjoin(shops, districts, how="inner", op="contains")

几何学	index_right

这将返回一个空数据框，因为点不能包含多边形。

4 gpd.sjoin(districts, shops, how="left", op="contains")

	几何学	index_right
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s1
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s2
d3	POLYGON ((5 2, 6 2, 6 3, 5 3, 5 2))	南

保持地区作为索引。

5 gpd.sjoin(districts, shops, how="right", op="contains")

	index_left	几何学
s1	d1	积分 (0.5 0.5)
s12	d1	点 (2 2)
s12	d2	点 (2 2)
s2	d2	积分 (3.5 3.5)
s3	南	积分 (4.5 2)

保持商店作为索引。

6 gpd.sjoin(districts, shops, how="inner", op="contains")

	几何学	index_right
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s1
d1	POLYGON ((0 0, 3 0, 3 3, 0 3, 0 0))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s12
d2	POLYGON ((1 1, 4 1, 4 4, 1 4, 1 1))	s2

接近我们得到的左边，保留区作为索引，但删除 NaN。

回答问题

    gpd.sjoin(districts, shops, how="left", op="contains") \
    .reset_index()\
    .rename(columns={"index": "districts"})\
    .groupby(["districts"])\
    .agg(nshops=("index_right", "nunique"), lshops=("index_right", "unique"))\
    .astype(str)\
    .replace("[nan]", "")

区	商店	商店
d1	2	['s1''s12']
d2	2	['s12''s2']
d3	0

这样我们就可以知道每个多边形是否有任何匹配点