如何在python中从Lat和Long获得带有关联邮政编码的Dataframe？

Question

我正在尝试撤消地理编码并获取邮政编码。 我有一个表/数据框，它的经纬度为40万，我想通过解析经纬度来获取邮政编码。

以下是样本数据框

data = {'Site 1': '31.336968, -109.560959',
        'Site 2': '31.347745, -108.229963',
        'Site 3': '32.277621, -107.734724',
        'Site 4': '31.655494, -106.420484',
        'Site 5': '30.295053, -104.014528'}

我的代码：

import geopandas as gpd
from shapely.geometry import Point
gdf_locations = gpd.read_file('/Users/admin/Downloads/tl_2016_us_zcta510/tl_2016_us_zcta510.shp')

我从这里下载了tl_2016_us_zcta510.shp文件。

这就是我被困住的地方。 我尝试的一种解决方案是将其转换为NUMPY数组并传递值。 但这似乎非常缓慢。 我想将其作为使用lambda的数据框并快速获得结果。

我试过的

               [Longitude]    [Latitude]
x = np.array((-73.986946106, 40.284328461))
x_pnt = Point(x)
filter = gdf_locations['geometry'].contains(x_pnt)
print(gdf_locations.loc[filter, 'GEOID10'])

虽然这给了我想要的东西，但是它非常慢。 如何使它更快并作为递归函数？ 任何帮助表示赞赏。 谢谢。

PS：我已经看过许多博客文章和有关该主题的文章，但是似乎没有人针对大规模的实时实现解决它。

编辑：我特别希望获得具有以下结构的数据框：

 data = {'Site 1': '31.336968, -109.560959', 94108,
            'Site 2': '31.347745, -108.229963', 60616,
            'Site 3': '32.277621, -107.734724', 78654,
            'Site 4': '31.655494, -106.420484', 78090,
            'Site 5': '30.295053, -104.014528', 78901}

我了解如何将经纬度长期转换为Zip，但我无法做到的是获取数据帧。 希望这使事情更加清楚。

Answer 1

我还没有使用过Geopandas，但是我会尝试使用scipy的cKDTree 。 对于您拥有的数据量，它应该非常快。 唯一的事情是它适用于点对点查找，因此您必须使用邮政编码数据集中的多边形的质心。

例如，将质心点的质心转换为numpy数组：

centroids = gdf_locations.centroid

# transform shapely points to np array
point_array = []
for centroid in centroids:
    point_array.append([centroid.x, centroid.y])
point_array = np.array(point_array)

print(point_array[0])
>>> array([-83.61511443,  41.31279856])

为确保快速查找，我创建了400,000个随机坐标：

random_lat_long = np.random.randn(400000, 2) * 80

print(random_lat_long)
>>> array([ -8.37429385, -23.19458311])

现在为最接近的点：

distance, index = spatial.cKDTree(point_array).query(random_lat_long)

在我的计算机中，使用Jupyter中的%%timeit ，这大约花费了1.7秒。

最后，从数据框中获取邮政编码：

zip_codes = gdf_locations.loc[index, 'GEOID10']

编辑：将纬度和经度作为结果的一部分：

提取数据并转换类型：

lats_lons_zips = gdf_locations.loc[index, ['INTPTLAT10', 'INTPTLON10', 'GEOID10']]
# keep the zip code as an str to preserve leading zeros
lats_lons_zips = lats_lons_zips.astype({"INTPTLAT10": float, "INTPTLON10": float, "GEOID10": str})

将索引更改为“站点XX”：

new_index = ["Site " + str(i) for i in range(len(lats_lons_zips))]
lats_lons_zips.index = new_index

最后，得到结果：

print(lats_lons_zips.iloc[0:4].to_dict(orient="index"))

{ 'Site 0': { 'GEOID10': '00824',
              'INTPTLAT10': 17.7445568,
              'INTPTLON10': -64.6829328},
  'Site 1': { 'GEOID10': '96916',
              'INTPTLAT10': 13.2603723,
              'INTPTLON10': 144.7006789},
  'Site 2': { 'GEOID10': '96916',
              'INTPTLAT10': 13.2603723,
              'INTPTLON10': 144.7006789},
  'Site 3': { 'GEOID10': '04741',
              'INTPTLAT10': 47.453712,
              'INTPTLON10': -69.2229208}}

Answer 2

也许您需要geopandas.sjoin 。

在空间连接中，两个几何对象基于它们之间的空间关系进行合并。

首先，您需要将站点数据准备为geoDataFrame。

import geopandas as gpd
import pandas as pd
from shapely.geometry import Point

gdf_locations = gpd.read_file('tempdata/tl_2016_us_zcta510.shp')
data = {'Site 1': '31.336968, -109.560959',
        'Site 2': '31.347745, -108.229963',
        'Site 3': '32.277621, -107.734724',
        'Site 4': '31.655494, -106.420484',
        'Site 5': '30.295053, -104.014528'}
df_site = pd.DataFrame.from_dict(data, orient='index',columns=['locstr'])
df_site['loc'] = df_site['locstr'].apply(lambda x: list(map(float,x.split(','))))
df_site['loc'] = df_site['loc'].apply(lambda x: Point(x[1],x[0]))
gdf_site = gpd.GeoDataFrame(df_site,geometry=df_site['loc'],crs=gdf_locations.crs).drop(['loc'], axis=1)
print(gdf_site)

                        locstr                       geometry
Site 1  31.336968, -109.560959  POINT (-109.560959 31.336968)
Site 2  31.347745, -108.229963  POINT (-108.229963 31.347745)
Site 3  32.277621, -107.734724  POINT (-107.734724 32.277621)
Site 4  31.655494, -106.420484  POINT (-106.420484 31.655494)
Site 5  30.295053, -104.014528  POINT (-104.014528 30.295053)

然后，您可以设置op='intersects'来判断站点和shp之间的空间关系。

相交：如果对象的边界和内部以任何方式与另一个对象的边界和/或内部相交，则属性将被合并。

gdf_site = gpd.sjoin(gdf_site,gdf_locations,how='left',op='within')
print(gdf_site[['locstr','GEOID10']])

                        locstr GEOID10
Site 1  31.336968, -109.560959   85607
Site 2  31.347745, -108.229963   88040
Site 3  32.277621, -107.734724   88030
Site 4  31.655494, -106.420484     NaN
Site 5  30.295053, -104.014528   79843