使用Geopandas计算到最近要素的距离
我希望使用Geopandas / Shapely实现与ArcPy Generate Near Table相当的功能。我对Geopandas和Shapely非常陌生，并且已经开发出了一种有效的方法，但我想知道是否有更有效的方法来做到这一点。
我有两个点文件数据集-人口普查块质心和餐馆。我正在寻找，对于每个人口普查区的质心，到它最近的餐厅的距离。对于同一家餐厅在多个街区是最近的餐厅，没有任何限制。
对我来说，这变得有点复杂的原因是因为Geopandas Distance function是按元素计算的，基于索引进行匹配。因此，我的一般方法是将Restaurants文件转换为多点文件，然后将块文件的索引设置为相同的值。那么所有的街区质心和餐馆都有相同的索引值。
import pandas as pd
import geopandas as gpd
from shapely.geometry import Polygon, Point, MultiPoint现在阅读Block Centroid和Restaurant Shapefiles：
Blocks=gpd.read_file(BlockShp)
Restaurants=gpd.read_file(RestaurantShp)由于Geopandas distance函数按元素计算距离，因此我将餐厅GeoSeries转换为MultiPoint GeoSeries：
RestMulti=gpd.GeoSeries(Restaurants.unary_union)
RestMulti.crs=Restaurants.crs
RestMulti.reset_index(drop=True)然后，我将块的索引设置为等于0(与Restaurants多点的值相同)，作为逐个元素计算的变通方法。
Blocks.index=[0]*len(Blocks)最后，我使用Geopandas距离函数来计算每个Block质心到最近餐厅的距离。
Blocks['Distance']=Blocks.distance(RestMulti)请就如何改进这一方面提供任何建议。我并不局限于使用Geopandas或Shapely，但我希望学习ArcPy的替代品。
谢谢你的帮助！
回答 3
Stack Overflow用户
发布于 2015-09-19 06:59:30
如果我正确理解你的问题，街区和餐馆可以有非常不同的维度。出于这个原因，尝试通过重新索引来强制转换为表格式可能是一种糟糕的方法。
我只是在街区上循环，得到到餐馆的最短距离(就像@shongololo建议的那样)。
我会稍微通用点(因为我已经写下了这段代码)，并且从点到线的距离，但相同的代码应该从点到点，或者从多边形到多边形。我将从点的GeoDataFrame开始，然后创建一个到线的距离最小的新列。
%matplotlib inline
import matplotlib.pyplot as plt
import shapely.geometry as geom
import numpy as np
import pandas as pd
import geopandas as gpd
lines = gpd.GeoSeries(
[geom.LineString(((1.4, 3), (0, 0))),
geom.LineString(((1.1, 2.), (0.1, 0.4))),
geom.LineString(((-0.1, 3.), (1, 2.)))])
# 10 points
n = 10
points = gpd.GeoSeries([geom.Point(x, y) for x, y in np.random.uniform(0, 3, (n, 2))])
# Put the points in a dataframe, with some other random column
df_points = gpd.GeoDataFrame(np.array([points, np.random.randn(n)]).T)
df_points.columns = ['Geometry', 'Property1']
points.plot()
lines.plot()
现在得到点到线的距离，只保存每个点的最小距离(参见下面的apply版本)
min_dist = np.empty(n)
for i, point in enumerate(points):
min_dist[i] = np.min([point.distance(line) for line in lines])
df_points['min_dist_to_lines'] = min_dist
df_points.head(3)这给了我们
Geometry Property1 min_dist_to_lines
0 POINT (0.2479424516236574 2.944916965334865) 2.621823 0.193293
1 POINT (1.465768457667432 2.605673714922998) 0.6074484 0.226353
2 POINT (2.831645235202689 1.125073838462032) 0.657191 1.940127--编辑
(取自github的一个问题)使用apply更好，并且与在pandas中使用它的方式更一致
def min_distance(point, lines):
return lines.distance(point).min()
df_points['min_dist_to_lines'] = df_points.geometry.apply(min_distance, df_lines)编辑:至少到2019-10-04为止，pandas中的更改似乎需要在最后一个代码块中使用不同的输入，使用.apply()中的args参数
df_points['min_dist_to_lines'] = df_points.geometry.apply(min_distance, args=(df_lines,))Stack Overflow用户
发布于 2020-08-01 02:27:06
我将使用不同维度的geopandas中的两个样本数据集进行演示。
import geopandas as gpd
# read geodata for five nyc boroughs
gdf_nyc = gpd.read_file(gpd.datasets.get_path('nybb'))
# read geodata for international cities
gdf_cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))
# convert to a meter projection
gdf_nyc.to_crs(epsg=3857, inplace=True)
gdf_cities.to_crs(epsg=3857, inplace=True)我们可以简单地将lambda函数应用于GeoSeries。例如，如果我们想要获得每个纽约市行政区(多边形)与其最近的国际城市(点)之间的最小距离。我们可以执行以下操作：
gdf_nyc.geometry.apply(lambda x: gdf_cities.distance(x).min())这将会给我们
0 384422.953323
1 416185.725507
2 412520.308816
3 419511.323677
4 440292.945096
Name: geometry, dtype: float64同样，如果我们想要每个国际城市与其最近的纽约市之间的最小距离。我们可以执行以下操作：
gdf_cities.geometry.apply(lambda x: gdf_nyc.distance(x).min())这将会给我们
0 9.592104e+06
1 9.601345e+06
2 9.316354e+06
3 8.996945e+06
4 2.614927e+07
...
197 1.177410e+07
198 2.377188e+07
199 8.559704e+06
200 8.902146e+06
201 2.034579e+07
Name: geometry, Length: 202, dtype: float64备注：
- 在计算距离之前，将GeoDataFrame转换为笛卡尔投影。在本例中，我使用了
epsg:3857，因此距离将以米为单位。如果使用椭球体(基于经度/纬度)投影，则结果将是度数。在获得polygons. - There质心之类的任何东西之前，首先转换投影只是两个点之间的一个距离。当你想要得到一个点和一条线之间的距离时，
.distance()方法返回的最小距离是有意义的。换句话说，.distance()方法可以计算任意两个geo-objects. - When之间的距离如果GeoDataFrame中有多个
geometry列，请确保将lambda函数应用于所需的GeoSeries，并从所需的GeoSeries调用.distance()方法。在本例中，我直接从GeoDataFrame调用该方法，因为它们都只有一个GeoSeries列。
Stack Overflow用户
发布于 2018-12-06 01:36:02
你的代码缺少一个细节，args = (df_lines)
def min_distance(point, lines):
return lines.distance(point).min()
df_points['min_dist_to_lines'] = df_points.geometry.apply(min_distance, args=(df_lines,))# Notice the change to this linehttps://stackoverflow.com/questions/30740046
复制相似问题
腾讯云开发者
