还可以输出为GeoJson、GeoPackage等地理空间文件类型。按照地区人口数量给世界地图着色：如果想让世界地图按照每个地区的人口数量上色，可以这样操作：代码如下：实际上非常简单，只需要在world.plot(column='pop_est', ax=ax, legend=True)中添加分类参数column，分类标准为人口列：pop_est。你还可以改变...
geopandas，用python分析地理空间数据原来这么简单！
Python中pandas库大家应该都很熟悉，它主要用来进行数据整理和分析。今天要介绍的是pandas的一个“亲戚”——geopandas。
geopandas是一个专门用于处理地理空间数据的Python第三方库，它基于pandas构建，完美地融合了pandas的数据类型，并提供了一系列操作地理空间数据的高级接口，使得在Python中进行GIS操作成为可能。
我们【Python大数据分析】公众号还编写了一本关于GeoPandas的电子书教程，是国内第一本详细的教程。感兴趣的朋友可以关注公众号，回复“geo”下载。
举个例子，我们在Python中如何显示世界地图？
当然，除了平面效果，你还可以做出这样的效果：
还可以给地图上色：
现在，让我们正式讲解geopandas的工作原理。
geopandas继承了pandas的数据类型，所以它也有两种数据类型：GeoSeries和GeoDataFrame。
它们继承了pandas数据结构的大部分方法，可以被视为地理空间数据的存储器，类似于shapefile文件的pandas表示。
Shapefile文件用于描述几何体对象，如点、折线和多边形。例如，Shapefile文件可以存储井、河流、湖泊等空间对象的几何位置。除了几何位置，shp文件还可以存储这些空间对象的属性，例如一条河流的名字，一个城市的温度等。
下面稍作解释：
解析一下前面例子中的完整代码：
对于这一行：
geopandas的read_file方法可以读取shape文件，并将其转换为GeoSeries和GeoDataFrame数据类型。
而geopandas.datasets.get_path('naturalearth_lowres')则是从geopandas自带的数据集中获取世界地图的shapefile文件。
你也可以使用read_file方法读取自己的shapefile文件。
因此，world变量被赋予了GeoDataFrame数据类型，它如下所示：
这个数据列中不仅包含几何列geometry，还包含其他属性列，如人口pop_est、大洲continent、地区名字name等。
world.plot()将GeoDataFrame转换为图形展示，得到世界地图：
如果只想显示每个地区的中心点，可以这样操作：
代码如下：
world.centroid返回一个GeoSeries，其中包含每个地区的中心点空间数据。
.set_geometry函数将新增列设置为几何列，这样就会按照新的几何列显示地图。
GeoDataFrame的输出格式：前面提到将shapefile读成GeoDataFrame格式，反过来你也可以将GeoDataFrame格式输出为shapefile文件。
比如前面的world：
还可以输出为GeoJson、GeoPackage等地理空间文件类型。
按照地区人口数量给世界地图着色：如果想让世界地图按照每个地区的人口数量上色，可以这样操作：
代码如下：
实际上非常简单，只需要在world.plot(column='pop_est', ax=ax, legend=True)中添加分类参数column，分类标准为人口列：pop_est。
你还可以改变颜色系：
总结：geopandas是一个非常实用的地理空间处理工具，它很好地结合了pandas的功能，让你轻松探索空间数据，在Python上快速、批量进行GIS操作。
geopandas还有很多功能等待爱好者去探索，这里就不一一介绍了，大家可以去官网学习。
最后展示一些官网案例：2024-09-03
