（数据科学学习手札154）geopandas 0.14版本新特性一览

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

　　大家好我是费老师，就在前两天，Python生态中的GIS运算神器geopandas发布了其0.14.0新版本，在这次新版本更新中，不仅是新增了许多矢量计算API，还开始为日后正式发布1.0版本做准备，对一些底层依赖版本进行改动。今天的文章中，我就将为大家一一介绍相关的更新内容：

2 geopandas 0.14版本更新内容

2.1 安装新版本geopandas#

　　需要注意的是，从0.14版本开始，geopandas将最低支持的python版本提升至3.9：

　　因此，推荐大家以3.9版本作为建立GIS运算Python环境的基础，这里我们以conda为例，直接建立新的虚拟环境来做演示（下面的命令中为了加速下载过程使用到相关国内conda资源镜像）：

conda create -n geopandas-demo python=3.9 -c https://mirrors.sustech.edu.cn/anaconda/pkgs/main/ -y
    
conda activate geopandas-demo

conda install geopandas pyogrio jupyterlab -c https://mirrors.sustech.edu.cn/anaconda/cloud/conda-forge -y

　　直接在终端中执行上述命令即可一步到位完成虚拟环境的创建，以及新版geopandas、jupyterlab的安装：

2.2 geopandas 0.14版本底层依赖变动#

　　在0.14版本中，geopandas底层将默认使用shapely（>=2.0版本）进行高性能矢量运算，因此geopandas仅会在shapely缺失但pygeos已安装时，才会调用pygeos。且geopandas将会在未来要发布的1.0正式版本中，直接移除对pygeos，以及旧版shapely（<2.0版本）的支持：

2.3 新增一系列矢量计算方法#

　　在这次新版本中，基于shapely为GeoSeries/GeoDataFrame新引入了一系列矢量计算方法，具体有：

2.3.1 新增concave_hull()方法#

　　有别于先前已有的convex_hull方法，新增的concave_hull()方法用于为矢量列中的每个要素计算最小凹多边形，与convex_hull计算结果的对比示例如下：

import random
from shapely.geometry import MultiPoint

# 示例GeoSeries
demo_geometries = gpd.GeoSeries(
    [
        MultiPoint([(random.uniform(0, 1), random.uniform(0, 1)) for i in range(25)])
    ]
)

ax = demo_geometries.plot()
# concave_hull()计算结果
demo_geometries.concave_hull().plot(ax=ax, facecolor='none', edgecolor='red')
# 对比convex_hull()计算结果
demo_geometries.convex_hull.plot(ax=ax, facecolor='none', edgecolor='green');

2.3.2 新增delaunay_triangles()方法#

　　新增了用于计算Delaunay三角网的delaunay_triangles()方法，计算示例如下：

2.3.3 新增extract_unique_points()方法#

　　新增extract_unique_points()方法，用于直接从任意类型目标矢量中提取全部折点要素：

2.3.4 新增frechet_distance()方法#

　　新增frechet_distance()方法，用于计算弗雷歇距离（fréchet distance），是一种用来度量路径之间相似度的经典数学方法：

　　举个例子，我们构造如下的四条路径线要素，肉眼上很容易看出a与b，c与d各自相似度最高：

　　而通过frechet_distance()计算两两之间的弗雷歇距离，也可以从数值计算角度准确计算得到彼此最相似的路径：

2.3.5 新增minimum_rotated_rectangle()方法#

　　新增minimum_rotated_rectangle()方法，用于为矢量列中各个要素计算最小外接矩形，譬如：

2.3.6 新增offset_curve()方法#

　　新增offset_curve()方法，用于为目标要素构建偏移曲线，即与原始要素相似但偏移一定的距离：

2.3.7 新增remove_repeated_points()方法#

　　新增remove_repeated_points()方法，用于沿要素坐标串定义方向，将距离在阈值以内的坐标点视作重复点要素进行移除，默认阈值为0，你可以在实际应用中灵活调整阈值，从而起到简化要素的目的：

2.3.8 新增segmentize()方法#

　　新增segmentize()方法，用于对目标矢量列中的各要素，按照设定的等间距进行增密操作，譬如在原有仅起点终点连成线要素基础上，按照1单位距离进行增密的结果如下：

2.3.9 新增shortest_line()方法#

　　新增shortest_line()方法，用于计算任意两个要素之间最短距离连线：

2.4 sjoin_nearest()新增exclusive参数#

　　新版本中为sjoin_nearest()新增参数exclusive，默认为False，当设置为True时，会在计算过程中自动忽略与自身要素相同的最近邻要素，非常的实用，省得我们在做sjoin_nearest()最近邻搜索计算之前手动排除要素自身：

　　更多有关geopandas0.14版本的更新内容，请移步https://geopandas.org/en/stable/docs/changelog.html了解更多。

---

　　以上就是本文的全部内容，欢迎在评论区与我进行讨论~