使用Python实现子区域数据分类统计

目录

1. 前言
2. geopandas简介
3. 子区域数据分类统计
4. 总结

1、前言

       最近碰到一个需求，须要统计某省内的全部市的某数据分布状况信息。现有该省的数据分布状况以及该省的行政区划数据。我经过geopandas库实现了这一需求，在这里简单记录之，供须要的人借鉴。

2、geopandas简介

想必你们对pandas都不陌生，它是一个开源的强大的Python数据分析工具。pandas确实作到了灵活、快速、高效的进行数据处理，而geopandas是在pandas的基础上添加了对空间数据的支持，实现了读取空间数据以及对空间数据进行处理。关于其介绍和安装等请参考其github主页，本文再也不赘述。

3、子区域数据分类统计

       直接进入正题，现有某省的分类统计数据shp文件以及此省的行政区划数据shp文件。

3.1 引入geopandas

       为了使用geopandas库，首先须要将其引入。代码以下：

from geopandas import *

3.2 读取此省分类统计数据及行政区划数据

       而后从该省的分类统计数据shp文件中读出此数据。代码以下：

provincedata = GeoDataFrame.from_file(provinceshpfile)

       代码很简单，只要给GeoDataFrame.from_file函数传入shp文件路径便可，其获得的是一个GeoDataFrame对象，相似于pandas中的DataFrame，区别会在下文讲到。同理，行政区划数据经过如下代码读入：

regiondata = GeoDataFrame.from_file(regionshppath)

3.3 投影转换

       要使上述两个数据可以进行处理必须先要将其转换成相同的投影。geopandas进行投影转换很简单。代码以下：

gpd_new=gpd.to_crs(crs)

       其中gpd表示原始数据，gpd_new为转换后的数据，crs表示须要转换的投影参数，在https://github.com/geopandas/geopandas/blob/46e50fe5a772944b325bc3c8806f4f96da76a0d8/doc/source/projections.rst中对此参数进行了详细描述，你们能够参照。

       因此咱们只须要将上述两种数据转换到同一投影便可，问题是假设咱们不知道它们的投影类型，那么也很容易，只须要将其都转换成4326或其余投影便可，这样就能保证两者转换后为同一投影。可是问题又来了，若是该省分类数据特别大将会致使投影转换耗时过长。其实此处有个简单方法，咱们只须要读出分类数据的crs并将行政区划数据转换成此投影便可，这样不只代码简单并且可以节省大量时间。代码以下：

regiondata_crs = regiondata.to_crs(provincedata.crs)

3.4 对该省逐市进行数据分类提取

       如今两者投影已经相同，咱们不得不面对最核心的问题，如何可以从省的分类数据中提取出逐市分类数据状况。咱们能够想到必需要将每一个市的空间数据与该省的全部分类数据进行相交判断，判断哪些分类数据与该市相交，而后完成相应处理。

3.4.1 获取市的空间数据

首先对行政区划数据进行循环获得每一个市的空间数据。代码以下：

for i in range(0, len(regiondata_crs)):
    geo = regiondata_crs.geometry[i]
    name = regiondata_crs.NAME[i]

       其中geo就是取到的当前市的空间数据，能够看出GeoDataFrame与DataFrame的区别就在于多了一个geometry字段，它包含了数据的空间信息，能够对该字段进行空间操做。假设该shp文件还包含了一个NAME属性，那么咱们就能够用“.NAME”的方式提取出当前市的name数据，其余属性同理。

3.4.2 获取此空间内的分类数据信息

       有了geo以后就能够将其与省的分类数据中的每个对象进行相交判断（循环判断），根据结果进行相应处理。这里咱们假设统计不一样种类数据的面积值，即每种类型的数据在该市所占面积大小。代码以下：

area = {}
for i in range(0, len(provincedata)):
    geo_province = provincedata.geometry[i]
    id = str(provincedata.ID[i])
    if geo_province.intersects(geo) and geo_province.is_valid :
        temp_geo = geo_province.intersection(geo)
        temp_area = temp_geo.area
        if area.get(id) == None:
            area[id] = temp_area
        else :
            area[id] = area.get(id) + temp_area

       其中area为字典对象，用来存储不一样数据在该市所占面积。

       首先经过provincedata.geometry[i]获取该数据的空间信息geo_province，而后使用provincedata.ID[i]取出该数据的编号值id。

       geo_province.intersects(geo)用来判断该数据与当前市（geo）在空间上是否相交，geo_province.is_valid用来判断该数据是否合法，有无自相交环等。

       若是相交则进行处理，首先经过geo_province.intersection(geo)来获取相交的部分temp_geo，而后经过temp_geo.area获取相交部分的面积temp_area。能够看出在geopandas中只须要对geometry对象使用area属性便可获取其面积。

       最后将面积以id为key保存到area字典当中。

4、总结

       这样就能够实现对该省的分类统计数据进行进一步细分，取出每一个市的数据分类信息。固然并必定局限于省和市，好比全球和国家或者国家和省等。只要存在包含关系便可经过此种方式进行处理。这是鸡年的第一篇博客，愿全部人今年都能有个好的结果！

---

打个广告，年初我与朋友成立了一家公司，现长期招聘，以下：

公司名称：武汉一格空间科技有限公司
官网主页：http://www.phitrellis.com
公司简介：咱们是一家初创公司，专一于地理信息系统，目前方向为研发一套地信大数据管理、可视化、分析平台
工做地址：甘肃兰州
招聘岗位：前端、后端都可
职位要求：没有特殊要求，只要你有能力，有拼搏进取的精神，能吃苦、肯学、肯上进，愿意与公司共同成长，咱们都很欢迎
技术框架：前端主要用到React，后端主要用到Python、Scala，包含数据处理（numpy、pandas）、地信基础分析（geopandas、rasterio等）、Hadoop\Spark分布式框架。
薪资待遇：薪资面议，只要你足够优秀，咱们愿意提供相应的薪资，公司各项福利优厚，工做环境宽松，不强制996，我的爱好和兴趣驱动。
联系方式：能够直接经过博客园联系，或Email：shoufengwei@phitrellis.com