如何有效地从geopandas df中过滤不在形状多边形边界内的行？

Question

我有一个常规的pandas数据帧，可以一次性转换为geopandas，如下所示

from shapely.geometry import Polygon, Point
import geopandas
geo_df = geopandas.GeoDataFrame(input_df, geometry=geopandas.points_from_xy(input_df.Longitude, input_df.Latitude))

我还有一个坐标列表，我将其转换为一个形状良好的多边形，如下所示：

grid_polygon = Polygon(shape_coordinates)

然后我想过滤geo_df中不在shapely多边形grid_polygon边界内的所有行

我目前实现这一目标的方法是：

geo_df['withinPolygon'] = ""
withinQlist = []
for lon,lat in zip(geo_df['longitude'], geo_df['latitude']):
    pt = Point(lon, lat)
    withinQ = pt.within(grid_polygon)
    withinQlist.append(withinQ)
geo_df['withinPolygon'] = withinQlist
geo_df = geo_df[geo_df.withinPolygon==True]

但这是相当低效的。我想有一种方法可以做到这一点，而无需对每一行进行迭代，但我找到的大多数解决方案都不会使用形状良好的多边形进行过滤。有什么想法吗

谢谢

Answer 1

第一步，正如您在评论中提到的，您的代码可以简化如下：

import geopandas
geo_df = geopandas.GeoDataFrame(input_df, geometry=geopandas.points_from_xy(input_df.Longitude, input_df.Latitude)

geo_df_filtered = geo_df.loc[geo_df.within(grid_polygon)]

但是，根据您拥有的数据类型和使用模式，有几种技术可以加快速度：

使用准备好的几何图形

如果多边形非常复杂，创建prepared geometry将加快包容检查的速度。 这将在开始时预先计算各种数据结构，从而加快后续操作。 （更多详情here。）

from shapely.prepared import prep

grid_polygon_prep = prep(grid_polygon)
geo_df_filtered = geo_df.loc[geo_df.geometry.apply(lambda p: grid_polygon_prep.contains(p))]

（不能像上面那样执行geo_df.loc[geo_df.within(grid_polygon_prep)]，因为geopandas不支持此处准备的几何图形。）

使用空间索引

如果需要对多个grid_polygon点（而不仅仅是一个）运行给定点集的包含检查，那么在这些点上使用空间索引是有意义的。 这将大大加快速度，特别是当分数很多的时候

Geopandas为此提供了^{}：

match_indices = geo_df.sindex.query(grid_polygon, predicate="contains")
# note that using `iloc` instead of `loc` is important here
geo_df_filtered = geo_df.iloc[match_indices]

很好的博客文章，还有更多的解释：https://geoffboeing.com/2016/10/r-tree-spatial-index-python/