找出每個點在哪個多邊形中

Question

我是 Python 的新手，所以我為基本的編程技能道歉，我知道我使用了太多的“循環”（來自 Matlab，它拖累了我）。

我有數百萬個點（timestep、long、lat、pointID）和數百個不規則的非重疊多邊形（vertex_long、vertex_lat、polygonID）。 點和多邊形格式示例

我想知道每個點包含哪個多邊形。

我能夠這樣做：

from matplotlib import path
def inpolygon(lon_point, lat_point, lon_poly, lat_poly):
   shape = lon_point.shape
   lon_point = lon_point.reshape(-1)
   lat_point = lat_point.reshape(-1)
   lon_poly = lon_poly.values.reshape(-1)
   lat_poly = lat_poly.values.reshape(-1)
   points = [(lon_point[i], lat_point[i]) for i in range(lon_point.shape[0])]
   polys = path.Path([(lon_poly[i], lat_poly[i]) for i in range(lon_poly.shape[0])])
   return polys.contains_points(points).reshape(shape)

接着

import numpy as np
import pandas as pd
Areas_Lon = Areas.iloc[:,0]
Areas_Lat = Areas.iloc[:,1]
Areas_ID  = Areas.iloc[:,2]
Unique_Areas = np.unique(Areas_ID)

Areas_true=np.zeros((Areas_ID.shape[0],Unique_Areas.shape[0]))
for i in range(Areas_ID.shape[0]):
    for ii in range(Unique_Areas.shape[0]):
        Areas_true[i,ii]=(Areas_ID[i]==Unique_Areas[ii])

Areas_Lon_Vertex=np.zeros(Unique_Areas.shape[0],dtype=object)
Areas_Lat_Vertex=np.zeros(Unique_Areas.shape[0],dtype=object)
for i in range(Unique_Areas.shape[0]):
    Areas_Lon_Vertex[i]=(Areas_Lon[(Areas_true[:,i]==1)])
    Areas_Lat_Vertex[i]=(Areas_Lat[(Areas_true[:,i]==1)])

import f_inpolygon as inpolygon
Areas_in=np.zeros((Unique_Areas.shape[0],Points.shape[0]))
for i in range (Unique_Areas.shape[0]):
    for ii in range (PT.shape[0]):
        Areas_in[i,ii]=(inpolygon.inpolygon(Points[ii,2], Points[ii,3], Areas_Lon_Vertex[i], Areas_Lat_Vertex[i]))
        

這樣，最終結果 Areas_in Areas_in 格式包含與多邊形一樣多的行和與點一樣多的列，其中每列在點相對於多邊形索引的行處為 true=1（第一個給定的多邊形 ID --> 第一行，所以）。

該代碼有效，但對於它應該做的事情非常緩慢。 當在規則網格或點半徑內定位點時，我已成功嘗試實現 KDtree，這會顯着提高速度，但對於不規則的非重疊多邊形，我不能做同樣的事情或任何更快的事情。

我已經看到了一些相關的問題，但不是詢問一個點是什么多邊形，而是關於一個點是否在多邊形內。

請問有什么想法嗎？

Answer 1

您是否嘗試過 Geopandas 空間連接？

使用 pip pip install geopandas或 conda conda conda install -c conda-forge geopandas

那么您應該能夠將數據讀取為 GeoDataframe

import geopandas 

df = geopandas.read_file("file_name1.csv") # you can read shp files too.
right_df = geopandas.read_file("file_name2.csv") # you can read shp files too.

# Convert into geometry column 
geometry = [Point(xy) for xy in zip(df['longitude'], df['latitude'])] # Coordinate reference system : WGS84

crs = {'init': 'epsg:4326'}
# Creating a Geographic data frame 
left_df = geopandas.GeoDataFrame(df, crs=crs, geometry=geometry)

然后你可以申請 sjoin

jdf = geopandas.sjoin(left_df, right_df, how='inner', op='intersects', lsuffix='left', rsuffix='right')

op中的選項是：

• 相交
• 包含
• 內

當您連接兩個多邊形和點類型的幾何列時，所有這些都應該在您的情況下執行相同的操作