Python 地理空间分析

前文

我们将快速浏览 Python 的（空间）数据科学生态系统，并了解如何使用一些基本的开源 Python 包，例如：

• pandas / geopandas
• shapely
• pysal
• pyproj
• osmnx / pyrosm
• matplotlib (visualization)

如您所见，我们不会使用任何GIS软件进行编程（例如ArcGIS/arcpy或QGIS），而是专注于学习独立于任何特定软件的开源包。 如今，这些库不仅构成现代空间数据科学的核心，而且还是世界各地许多公司使用和开发的商业应用程序的基础部分。

基础库：Geopandas

在本文中，您将学习到的最常用的 Python 包是 geopandas。 Geopandas 使在 Python 中以相对简单的方式，处理地理空间数据成为可能。 Geopandas 将数据分析库 pandas 的功能与其他软件包（如 shapely 和 fiona）结合起来，用于管理空间数据。 geopandas 中的主要数据结构是 GeoSeries 和 GeoDataFrame，它们扩展了 Pandas 的 Series 和 DataFrames 的功能。 GeoDataFrames 和 pandas DataFrames 之间的主要区别在于 GeoDataFrame 应该（至少）包含一列几何图形。 默认情况下，此列的名称是“几何”。 几何列是一个 GeoSeries，它包含几何对象（点、线、多边形、多边形等）作为匀称对象。

data.head()

$$\begin{array}{ccccc}& \text{ GROUP }& \text{ CLASS }& \text{ geometry }& \text{ area }\\ 0& 64& 32421& \text{ POLYGON ((379394.248 6689991.936, 379389.7906. }& 76.027392\\ 1& 64& 32421& \text{ POLYGON ((378980.811 6689359.377, 378983.401 6... }& 2652.054186\\ 2& 64& 32421& \text{ POLYGON ((378804.766 6689256.471, 378817.107 6... }& 3185.649995\\ 3& 64& 32421& \text{ POLYGON ((379229.695 6685025.111, 379233.366 6... }& 13075.165279\\ 4& 64& 32421& \text{ POLYGON ((379825.199 6685096.247, 379829.651 6... }& 3980.682621\end{array}$$

读取和写入空间数据

接下来我们将学习 geopandas 的一些基本功能。我们有几个 GeoJSON 文件存储在我们将使用的数据文件夹中。

我们可以使用 read_file() 函数轻松读取数据：

import geopandas as gpd

# Filepath
fp = "data/buildings.geojson"

# Read the file
data = gpd.read_file(fp)

# How does it look?
data.head()

Python 地理空间分析

地理空间分析几乎用于您能想到的每个领域，包括国防、农业，甚至医学。 通过本系统指南，您将开始使用 Python 中的最新功能进行地理信息系统 (GIS) 和遥感分析。

使用 Python 3.7 中的最新内置工具和库，带您了解 GIS 技术、地理数据库、地理空间栅格数据等。 您将了解有关使用可用于不同情况的软件包或 API 和通用算法的所有知识。 此外，您将学习如何将简单的 Python GIS 地理空间过程应用于各种问题，并使用遥感数据。

详情参阅 亚图跨际