Python 一行代码算出每个省面积的神器—Geopandas

 GeoPandas是行代一个基于pandas，针对地理数据做了特别支持的码算面积第三方模块。

它继承pandas.Series和pandas.Dataframe，个省实现了GeoSeries和GeoDataFrame类，行代使得其操纵和分析平面几何对象非常方便。码算面积

1.准备

开始之前，个省你要确保Python和pip已经成功安装在电脑上，行代如果没有，码算面积可以访问这篇文章：超详细Python安装指南 进行安装。个省

(可选1) 如果你用Python的行代目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，码算面积它内置了Python和pip.

(可选2) 此外，个省推荐大家用VSCode编辑器，行代它有许多的码算面积优点：Python 编程的最好搭档—VSCode 详细指南。

请选择以下任一种方式输入命令安装依赖：

1. Windows 环境 打开 Cmd (开始-运行-CMD)。个省

2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。

3. 如果你用的是云南idc服务商 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.

由于geopandas涉及到许多第三方依赖，pip安装起来非常麻烦。因此在本教程中，我只推荐使用conda安装geopandas： 

conda install geopandas 

一行语句即可完成安装。

2.基本使用

设定坐标绘制简单的图形： 

import geopandas  from shapely.geometry import Polygon  p1 = Polygon([(0, 0), (1, 0), (1, 1)])  p2 = Polygon([(0, 0), (1, 0), (1, 1), (0, 1)])  p3 = Polygon([(2, 0), (3, 0), (3, 1), (2, 1)])  g = geopandas.GeoSeries([p1, p2, p3])  # g:  # result:  # 0 POLYGON ((0 0, 1 0, 1 1, 0 0))  # 1 POLYGON ((0 0, 1 0, 1 1, 0 1, 0 0))  # 2 POLYGON ((2 0, 3 0, 3 1, 2 1, 2 0))  # dtype: geometry 

这些变量所形成的图形如下：

这里有一个重要且强大的用法，通过area属性，geopandas能直接返回这些图形的面积： 

>>> print(g.area)  0    0.5  1    1.0  2    1.0  dtype: float64 

不仅如此，通过plot属性函数，你还可以直接生成matplotlib图。

>>> g.plot() 

通过matplot的pyplot，可以将图片保存下来： 

import matplotlib.pyplot as plt  g.plot()  plt.savefig("test.png") 

学会上面的基本用法， 我们就可以进行简单的地图绘制及面积的计算了。

3.绘制并算出每个省的面积

此外，云服务器它最大的亮点是可以通过 Fiona(底层实现，用户不需要管)，读取比如ESRI shapefile(一种用于存储地理要素的几何位置和属性信息的非拓扑简单格式)。 

import geopandas  import matplotlib.pyplot as plt  from shapely.geometry import Polygon  maps = geopandas.read_file(1.shx)  # 读取的数据格式类似于  # geometry  # 0 POLYGON ((1329152.341 5619034.278, 1323327.591...  # 1 POLYGON ((-2189253.375 4611401.367, -2202922.3...  # 2 POLYGON ((761692.092 4443124.843, 760999.873 4...  # 3 POLYGON ((-34477.046 4516813.963, -41105.128 4...  # ... ...  maps.plot()  plt.savefig("test.png") 

如代码所示，通过read_file你可以读取shx、gpkg、geojson等数据。读取出来的图形如下：

同样，这个shapefile是省级行政区的，每一个省级行政区都被划分为一个区块，因此可以一行语句算出每个省级行政区所占面积： 

print(maps.area)  # 0 4.156054e+11  # 1 1.528346e+12  # 2 1.487538e+11  # 3 4.781135e+10  # 4 1.189317e+12  # 5 1.468277e+11  # 6 1.597052e+11  # 7 9.770609e+10  # 8 1.385692e+11  # 9 1.846538e+11  # 10 1.015979e+11  # ... ... 

怎么样，是不是很酷？它还有许多更库的特性，欢迎阅读官方文档：

https://geopandas.readthedocs.io/ 

站群服务器

很赞哦!（2187）