使用polygon.contains（Python）优化多个点的形状文件搜索

Question

我有一个数据帧（df），它包含一些点（coord_point），我使用Shapely从lat long坐标构建了这些点。我试图确定这些点是否位于shapefile（shapefile1）中描述的指定区域中。为了检查单个点的情况，我可以使用下面的函数（在_rsa中）并为其提供一个点，其中它返回一个布尔值，表示该点是否包含在该shapefile中

def in_rsa(coord):
    return shapefile1.contains(coord)[0]

数据帧由47496个点组成，因此我尝试执行一个行操作。我尝试的第一种方法很有效，但花了很长时间，它是一个简单的lambda函数

df1 = df.apply(lambda x: in_rsa(x.coord_point), axis = 1)

所以我试着用swifter来加速这个过程，但它也需要20分钟才能完成

df2 = df['coord_point'].swifter.apply(in_rsa)

我是geodata的新手，我想了解为什么这些过程需要如此长的时间，也许可以指向一个更有效的方向