spatial-analysis

# 空间分析 ## 属性连接 使用标准的 pandas 合并功能基于公共变量组合数据集： python # 基于公共列合并 result = gdf.merge(df, on='common_column') # 左连接 result = gdf.merge(df, on='common_column', how='left') # 重要：在 GeoDataFrame 上调用 merge 以保留几何信息 # 正确: gdf.merge(df, ...) # 错误: df.merge(gdf, ...) # 返回 DataFrame，而非 GeoDataFrame ## 空间连接 基于空间关系组合数据集。 ### 二元谓词连接 (sjoin) 基于几何谓词进行连接： python # 相交 (默认) joined = gpd.sjoin(gdf1, gdf2, how='inner', predicate='intersects') # 可用谓词 joined = gpd.sjoin(gdf1, gdf2, predicate='contains') joined = gpd.sjoin(gdf1, gdf2, predicate='within') joined = gpd.sjoin(gdf1, gdf2, predicate='touches') joined = gpd.sjoin(gdf1, gdf2, predicate='crosses') joined = gpd.sjoin(gdf1, gdf2, predicate='overlaps') # 连接类型 joined = gpd.sjoin(gdf1, gdf2, how='left') # 保留左侧所有 joined = gpd.sjoin(gdf1, gdf2, how='right') # 保留右侧所有 joined = gpd.sjoin(gdf1, gdf2, how='inner') # 仅交集 `how` 参数决定保留哪些几何图形： - **left**: 保留左侧 GeoDataFrame 的索引和几何 - **right**: 保留右侧 GeoDataFrame 的索引和几何 - **inner**: 使用索引交集，保留左侧几何 ### 最近邻连接 (sjoin_nearest) 连接到最近的要素： python # 查找最近邻 nearest = gpd.sjoin_nearest(gdf1, gdf2) # 添加距离列 nearest = gpd.sjoin_nearest(gdf1, gdf2, distance_col='distance') # 限制搜索半径 (显著提高性能) nearest = gpd.sjoin_nearest(gdf1, gdf2, max_distance=1000) # 查找 k 个最近邻 nearest = gpd.sjoin_nearest(gdf1, gdf2, k=5) ## 叠加操作 结合两个 GeoDataFrame 几何图形的集合论操作： python # 交集 - 保留两者重叠的区域 intersection = gpd.overlay(gdf1, gdf2, how='intersection') # 并集 - 合并所有区域 union = gpd.overlay(gdf1, gdf2, how='union') # 差集 - 第一个中存在但第二个中不存在的区域 difference = gpd.overlay(gdf1, gdf2, how='difference') # 对称差集 - 存在于其中一个但不同时存在于两个中的区域 sym_diff = gpd.overlay(gdf1, gdf2, how='symmetric_difference') # 恒等 - 交集 + 差集 identity = gpd.overlay(gdf1, gdf2, how='identity') 结果包含来自两个输入 GeoDataFrame 的属性。