geopandas.sjoin_nearest#

geopandas.sjoin_nearest(left_df: geopandas.geodataframe.GeoDataFrame, right_df: geopandas.geodataframe.GeoDataFrame, how: str = 'inner', max_distance: Optional[float] = None, lsuffix: str = 'left', rsuffix: str = 'right', distance_col: Optional[str] = None) → geopandas.geodataframe.GeoDataFrame#

基于两个GeoDataFrame几何图形之间的距离进行空间连接。

结果将包括单个输入记录的多个输出记录，其中存在多个等距离、最近的或相交的邻居。

距离以CRS单位计算，可以使用 distance_col 参数。

有关更多详细信息，请参阅用户指南页面https://geopandas.readthedocs.io/en/latest/docs/user_guide/mergingdata.html。

参数

left_df, right_dfGeoDataFrames

how字符串，缺省为‘内部’

联接的类型：

‘Left’：使用Left_df中的键；仅保留Left_df几何列
‘right’：使用right_df中的密钥；仅保留right_df几何列
‘ner’：使用来自两个DFS的键的交集；仅保留LEFT_DF几何列

max_distance浮动，默认为无

查询最近几何图形的最大距离。必须大于0。通过减少为树中最近的项目求值的输入几何体的数量，用于在树中搜索最近项的max_Distance可能会对性能产生重大影响。

lsuffix字符串，默认为‘Left’

应用于重叠列名的后缀(左GeoDataFrame)。

rsuffix字符串，默认为‘Right’

应用于重叠列名的后缀(右GeoDataFrame)。

distance_col字符串，默认为无

如果设置，则将计算的匹配几何图形之间的距离保存在关联的GeoDataFrame中此名称的列下。

参见

sjoin: 二元谓词连接
GeoDataFrame.sjoin_nearest: 等效法

注意事项

由于此连接依赖于距离，因此如果几何图形位于地理CRS中，则结果将不准确。

GeoPandas中的每个操作都是平面的，即没有考虑潜在的第三维。

示例

>>> countries = geopandas.read_file(geopandas.datasets.get_path("naturalearth_lowres"))
>>> cities = geopandas.read_file(geopandas.datasets.get_path("naturalearth_cities"))
>>> countries.head(2).name  
    pop_est      continent                      name iso_a3  gdp_md_est                                           geometry
0     920938        Oceania                      Fiji    FJI      8374.0  MULTIPOLYGON (((180.00000 -16.06713, 180.00000...
1   53950935         Africa                  Tanzania    TZA    150600.0  POLYGON ((33.90371 -0.95000, 34.07262 -1.05982...
>>> cities.head(2).name  
        name                   geometry
0  Vatican City  POINT (12.45339 41.90328)
1    San Marino  POINT (12.44177 43.93610)

>>> cities_w_country_data = geopandas.sjoin_nearest(cities, countries)
>>> cities_w_country_data[['name_left', 'name_right']].head(2)  
        name_left                   geometry  index_right   pop_est continent name_right iso_a3  gdp_md_est
0    Vatican City  POINT (12.45339 41.90328)          141  62137802    Europe      Italy    ITA   2221000.0
1      San Marino  POINT (12.44177 43.93610)          141  62137802    Europe      Italy    ITA   2221000.0

要包括距离，请执行以下操作：

>>> cities_w_country_data = geopandas.sjoin_nearest(cities, countries, distance_col="distances")
>>> cities_w_country_data[["name_left", "name_right", "distances"]].head(2)  
        name_left name_right distances
0    Vatican City      Italy       0.0
1      San Marino      Italy       0.0

在下面的示例中，我们获得了意大利的多个城市，因为所有结果都是等距离的(在本例中为零，因为它们相交)。事实上，我们总共得到了3个结果：

>>> countries_w_city_data = geopandas.sjoin_nearest(cities, countries, distance_col="distances", how="right")
>>> italy_results = countries_w_city_data[countries_w_city_data["name_left"] == "Italy"]
>>> italy_results  
     name_x        name_y
141  Vatican City  Italy
141    San Marino  Italy
141          Rome  Italy

geopandas.sjoin

geopandas.overlay