构建自己的地理信息空间数据库及与客户端简单交互
最近研究了下postgresql数据库及其空间地理信息拓展插件——postgis。
postgis作为新一代空间数据存储标准模型，将空间地理信息数据结构规范为关系型数据库可以承载的sp模式（simple features），这样，使得之前门槛颇高的gis空间数据存储模式变得通俗易懂、简单明了。
最重要的只要接触过SQL语言，就可以利用postgis的SQL语法便捷的操纵装载着空间信息的数据框（数据表），这些二维表除了被设定了一个特殊的空间地理信息字段（带有空间投影信息、经纬度信息等）之外，与主流数据管理系统所定义的各种字段并无两样。
本篇作为postgis数据库的一个前期探索篇，主要简单分享下postgresql+postgis的环境配置，及其与R语言、Python的API接口调用，以及如何通过这些接口来将shp、json空间地理信息数据源导入postgis。
1、环境配置篇：（可执行程序安装，如果你命令行比较熟练可以参照百度中的终端命令行进行安装）
关于postgis的环境配置，要先配置好postgresql环境，直接在以下主页下载安装即可：
https://www.enterprisedb.com/downloads
版本不要下载太高，建议9.6即可。
具体过程可以直接参考百度的教程：
https://www.yiibai.com/postgresql/install-postgresql.html
其中有几个细节点需要格外注意（自己踩过的坑）
1、尽量自己命名一个主目录（英文、不要带空格） 2、安装完postgresql之后会自定提示是否安装扩展插件（勾选postgis）,如果这一步失败了不用担心，只是postgis没有安装成功，可以单独下载exe文件安装。 3、postgis安装（一定记得要和postgresql的主目录保持一致） http://postgis.net/2017/07/01/postgis-2.3.3/ 4、postgis安装之后会在postgresql库中新建一个带有空间数据表格式的模板库，此时使用postgresql安装环境中自带的pgAdmin4 工具打开postgresql数据库，并可以新建一个引用空间数据表模板的测试库，这一步也有一个坑，在新建引用模板的测试库之后，一定要先按照官网给的步骤在测试库中运行以下脚本：
-- Enable PostGIS (includes raster)
CREATE EXTENSION postgis;
-- Enable Topology
CREATE EXTENSION postgis_topology;
-- Enable PostGIS Advanced 3D-- and other geoprocessing algorithms
-- sfcgal not available with all distributions
CREATE EXTENSION postgis_sfcgal;
-- fuzzy matching needed for Tiger
CREATE EXTENSION fuzzystrmatch;
-- rule based standardizer
CREATE EXTENSION address_standardizer;
-- example rule data set
CREATE EXTENSION address_standardizer_data_us;
-- Enable US Tiger Geocoder
CREATE EXTENSION postgis_tiger_geocoder;5、上一步完成之后，即可通过postgis安装目录中的PostGIS 2.0 Shapefile and DBF Loader Exporter工具来手动导入本地的shp文件。
导入时要先建立与测试库的连接，并加载shp数据，含有中文要设置encoding = GBK。
显示导入成功即可刷新刚才的测试库，在测试库-schemas-public-tables中即可看到你新导入的控件数据集，与普通的数据库表并没有什么两样，仅仅是新增了一列叫做geom(geometry)的空间地理信息字段。
这张表整体就是我们之前在分享 R语言的sf对象和Python中的GeoDataFrame对象的技术雏形。
可以看到地理信息列在postgis中已经被编码成一组特殊数字，而在R中的sf对象中则是嵌套列表，在Python的GeoDataFrame中则是特殊的geomtry列。
- geomtry对象一共分为7中，分别为：
- point/mutipoint
- string/mutistring
- polygon/mutipolygon
- CollectionFetures(前几种种的集合)
我们平时使用最多的地理信息多边形便是mutipolygon格式。
如果觉得pgAdmin4界面信息过于繁杂，可以安装Navicat Premium，它可以直接与postgresql数据库连接，作为一个桌面可视化管理界面。
Navicat Premium界面干净整洁，几乎没有任何冗余信息，具备常用的数据查询、管理功能，非常方便。
2、postgis与R语言通讯：
在R语言中调用postgis库表，需要依赖以下两个包（RPostgreSQL\rpostgis）：
library("rpostgis")
library("RPostgreSQL")
library("sf")
library("ggplot2")
library("magrittr")读取空间数据
conn <- dbConnect(
PostgreSQL(), #驱动名称
dbname='mytest', #要连接的库名称
host='localhost', #本机地址
port='5432', #port编码
user='postgres', #用户名（在安装时默认生成，也可自定义，记清楚就好）
password='*****' #密码（自定义）
) #建立连接池
postgresqlpqExec(conn, "SET client_encoding = 'gbk'")
#设定编码(多字节字符串)以上两句联通了postgresql数据库表mytest，并设定了编码适应中文环境。
读入方法1
my_spdf <- pgGetGeom(
conn, #连接池名称
name=c("public","bou2_4p"), #指定schemas和表名，长度为2的向量，顺序不要乱
geom = "geom" #指定表中的地理信息字段列名称
) %>% st_as_sf() #导入数据默认为sp格式，转换为sf格式读入方法2
map_data <- st_read(conn,"bou2_4p")
方法一实在是太麻烦了，sf包的导入函数中封装了更加简便高效的导入函数： 直接指定连接池和测试库中空间数据表表明即可。
写入空间数据：
写入空间数据时，一般要以sp格式写入（就是之前用的最多的，maptools、rgdal包导入的默认格式），但是好在sf包中提供了一键转化sf和sp对象的函数，所以这里的写入数据格式转换非常高效。
world_map <- st_read(system.file("shape/nc.shp", package="sf")) %>%
as("Spatial")写入方法1
pgInsert(
conn,name=c("public","world_map"), #链接池名称+写入的表表明（自定义）
data.obj = world_map #本地sp对象表
)写入方法2
sf包中也封装了直接写入postgis数据库的函数：
nc <- st_read(system.file("shape/nc.shp", package="sf"))
st_write(
nc, #本地表名
dsn = conn, #指定连接池
"world_data", #写入后在库中名称
layer_options = "OVERWRITE=true"
)写入之后在pgAdmin平台上刷新对应测试库之后即可看到新写入的表内容。
关闭链接
dbDisconnect(conn)最后用刚才导入的表做一个简单的填充图。
ggplot() +
geom_sf(data = map_data,aes(fill = perimeter)) +
coord_sf(crs = 4326) +
scale_fill_distiller(palette ='BrBG') +
theme_void()
3、postgis与Python交互：
python中的数据库交互操作路径比较多，这里仅使用geopandas提供的写入接口以及sqlalchemy写出接口，探索出可行的读写代码即可。
import geopandas as gpd
from sqlalchemy import create_engine
from geoalchemy2 import Geometry,WKTElement建立连接
engine = create_engine(
"postgresql://postgres:******@localhost:5432/mytest",
encoding = "gbk"
)create_engine函数创建客户端与postgresql数据库的链接，连接参数是一个包含数据库驱动、用户名、用户密码、本机环境：端口及测试库名称的长字符串。最后指定编码（这里涉及到中文字符串）
df = gpd.read_postgis("select * from bou2_4p",engine,crs = 4326)
使用geopandas包中提供的postgis接口函数，导入engine连接池mytest库中的bou2_4p表所有数据。
china_map = gpd.GeoDataFrame.from_file("D:/R/rstudy/CHN_adm/bou2_4p.shp", encoding = 'gb18030')
china_map['geometry'] = china_map['geometry'].apply(lambda x: WKTElement(x.wkt,4326))因为GeoDataFrame中默认存的simple features 对象与postgis库中定义的默认simple features对象存在差异，这里需要使用geoalchemy2包提供的Geometry,geoalchemy2接口将GeoDataFrame转换为postgis库可识别的模式。
最后利用pandas封装的sqlalchemy写出函数，将刚才规范过之后的表china_map写入postgis库中。
china_map.to_sql(
name = "world", #表名
con = engine, #连接池
if_exists= 'replace', #若已存在同名表，则替换
dtype = {
'geometry':
Geometry(geometry_type ='POLYGON',srid = 4326)}
#声明地理信息字段模式
)
本篇分享仅就postgis的安装，与R和Python之间的简单交互做一下梳理，之后如果有新的成果再做分享，期待各位小伙伴儿利用postgis结合R语言中的ggplot2+sf+shiny以及Python中的GeoDataFrame做出更多具备商业价值的东西，感兴趣的也可以一起分享交流心得。