Как выбрать объекты в пределах географических регионов в кадре данных Pandas - PullRequest
Новая
       40

Как выбрать объекты в пределах географических регионов в кадре данных Pandas

0 голосов
/ 11 апреля 2019

Я пытаюсь выделить объекты в пределах региона из кадра данных pandas, который содержит список идентификаторов элементов и пары пар. Есть ли способ выбора для этого? Я думаю, что это будет похоже на этот вопрос SO, но с использованием PANDAS вместо SQL

Выбор географических точек в пределах области

Вот моя таблица, сохраненная в location.csv 

ID, LAT, LON
001,35.00,-75.00
002,35.01,-80.00 
...
999,25.76,-64.00

Я могу загрузить фрейм данных и выбрать прямоугольную область: 

import pandas as pd
df = pd.read_csv('locations.csv', delimiter=',')
lat_max = 32.323496
lat_min = 25.712767
lon_max = -72.863358
lon_min = -74.729456
small_df = df[df['LAT'] > lat_min][df['LAT'] < lat_max][df['LON'] < lon_max][df['LON'] > lon_min]

Как бы я выделил объекты в неправильной области?

Как бы я структурировал команду выбора dataframe?

Я могу построить лямбда-функцию, которая будет генерировать значение True для LAT и LON в пределах региона, но я не уверен, как использовать это с кадром данных pandas.

1 Ответ

2 голосов
/ 12 апреля 2019

Процесс выбора точек в пределах региона, выполняемый с помощью приведенного ниже рабочего кода, начинается с создания 2 геоданных. Первый содержит многоугольник, а второй содержит все точки, которые нужно сделать spatial join с первым. Оператор пространственного соединения within используется для выбора точек, попадающих в многоугольник. Результат операции также является геоданным, он содержит только необходимые точки, которые попадают в область многоугольника.

Содержание locations.csv; 6 строк с заголовками столбцов. Примечание: без пробелов в первом ряду. 

ID,LAT,LON
1, 15.1, 10.0
2, 15.2, 15.1
3, 15.3, 20.2
4, 15.4, 25.3
5, 15.5, 30.4

Код: 

import pandas as pd
import geopandas as gpd
from shapely import wkt
from shapely.geometry import Point, Polygon
from shapely.wkt import loads

# Create a geo-dataframe `polygon_df` having 1 row of polygon
# This polygon will be used to select points in a geodataframe
d = {'poly_id':[1], 'wkt':['POLYGON ((30 10, 40 40, 20 40, 10 20, 30 10))']}
df = pd.DataFrame( data=d )
geometry = [loads(pgon) for pgon in df.wkt]
polygon_df = gpd.GeoDataFrame(df, \
                   crs={'init': 'epsg:4326'}, \
                   geometry=geometry)

# One can plot this polygon with the command:
# polygon_df.plot()

# Read the file with `pandas`
locs = pd.read_csv('locations.csv', sep=',')

# Making it a geo-dataframe with new name: `geo_locs`
geo_locs = gpd.GeoDataFrame(locs, crs={'init': 'epsg:4326'})
locs_geom = [Point(xy) for xy in zip(geo_locs.LON, geo_locs.LAT)]
geo_locs['wkt'] = geo_locs.apply( lambda x: Point(x.LON, x.LAT), axis=1 )
geo_locs = gpd.GeoDataFrame(geo_locs, crs={'init': 'epsg:4326'}, \
    geometry=geo_locs['wkt'])

# Do a spatial join of `point` within `polygon`, get the result in `pts_in_poly` GeodataFrame.
pts_in_poly = gpd.sjoin(geo_locs, polygon_df, op='within', how='inner')

# Print the ID of the points that fall within the polygon.
print(pts_in_poly.ID)

# The output will be:
#2    3
#3    4
#4    5
#Name: ID, dtype: int64

# Plot the polygon and all the points.
ax1 = polygon_df.plot(color='lightgray', zorder=1)
geo_locs.plot(ax=ax1, zorder=5, color="red")

Выходной участок:

enter image description here

На графике точки с идентификаторами 3, 4 и 5 попадают в многоугольник.

...