如何使用Python处理地理数据？geopandas入门实践

geopandas能轻松处理地理数据，安装后即可读取shapefile或geojson文件，使用gpd.read_file()加载数据并查看结构与坐标系；通过gdf.plot()实现地图可视化，可设置颜色映射与图形比例；常见操作包括1.用gdf.to_crs()转换坐标系统，2.用.cx或.within()按位置筛选数据，3.用pd.concat()合并多个geodataframe，注意统一crs。新手可从基础入手逐步掌握其强大功能。

处理地理数据其实没那么神秘，用 Python 的 GeoPandas 库就能轻松上手。它基于 Pandas 扩展而来，专门用来处理带有空间信息的数据，比如地图、坐标点、多边形区域等。如果你已经熟悉 Pandas，那学 GeoPandas 会非常顺手。

下面从几个常见需求出发，带你快速入门。

安装与基础准备

GeoPandas 不是默认安装的库，需要单独安装。推荐使用 pip 或 conda：

立即学习“Python免费学习笔记（深入）”；

• pip install geopandas
• conda install -c conda-forge geopandas

安装完成后，导入常用模块：

import geopandas as gpd
import matplotlib.pyplot as plt

GeoPandas 主要处理的是 GeoDataFrame，它和普通的 DataFrame 类似，只不过多了一个 geometry 列，里面存放的就是地理信息（如点、线、面）。

加载地理数据：读取 Shapefile 或 GeoJSON

最常见的地理数据格式有 Shapefile 和 GeoJSON。GeoPandas 对这两种格式支持非常好，可以直接读取：

# 读取 Shapefile 文件
gdf = gpd.read_file('your_shapefile.shp')

# 读取 GeoJSON 文件
gdf = gpd.read_file('your_geojson.geojson')

注意：

• Shapefile 通常不是一个文件，而是一组文件（.shp、.shx、.dbf 等），必须放在同一目录下。
• GeoJSON 是纯文本格式，适合网络传输，也更容易查看内容。

读取后可以用 gdf.head() 查看结构，用 gdf.crs 查看坐标系信息。

钉钉 AI 助理

钉钉AI助理汇集了钉钉AI产品能力，帮助企业迈入智能新时代。

21

查看详情

地图可视化：画出你的第一张地理图

GeoPandas 内置了简单的绘图功能，依赖 matplotlib。比如：

gdf.plot()
plt.show()

如果你想更精细控制样式，可以加参数：

gdf.plot(column='population', legend=True, cmap='OrRd')

这样就可以根据某一列（比如人口）进行颜色映射，做出热力图效果。

小技巧：如果地图显示太小或者比例不对，可以用 figsize=(10, 8) 控制大小，或者用 ax.set_aspect('equal') 设置比例一致。

常见操作：坐标转换、筛选、合并

1. 坐标系统转换（CRS）

不同数据可能使用不同的坐标系统，统一坐标系很关键。例如转为 WGS84（经纬度）：

gdf = gdf.to_crs(epsg=4326)

2. 按位置筛选

你可以用 .cx 或 .within() 来筛选某个范围内的数据：

# 筛选 x 在 100~110，y 在 30~40 范围内的记录
subset = gdf.cx[100:110, 30:40]

3. 合并多个地理数据

如果有两个 GeoDataFrame，想拼在一起：

combined = gpd.GeoDataFrame(pd.concat([gdf1, gdf2], ignore_index=True))

不过要注意两个数据的 CRS 是否一致，否则得先统一。

基本上就这些内容。GeoPandas 上手不难，但有很多细节需要注意，比如坐标系统、投影方式、几何类型等。新手可以从读取数据、画图、简单分析开始练起，慢慢就会发现它的强大之处了。

以上就是如何使用Python处理地理数据？geopandas入门实践的详细内容，更多请关注php中文网其它相关文章！