如何正确将含GEOGRAPHY类型的Snowpark DataFrame转换为GeoPandas

方案1：在Snowpark查询阶段转换为WKT/WKB（推荐） #

直接在读取Snowflake表时，用Snowflake的空间函数将GEOGRAPHY类型转换为WKT（Well-Known Text）或WKB（Well-Known Binary），GeoPandas可以直接识别这两种格式，无需额外处理，性能更优（尤其是大数据量场景）。

示例代码（WKT版本）：

from snowflake.snowpark.functions import st_aswkt
import geopandas as gpd

# 读取表时将SHAPE列转为WKT格式
df_sp = session.table(table_name).with_column("SHAPE", st_aswkt("SHAPE"))

# 直接转为GeoDataFrame
gdf = gpd.GeoDataFrame(df_sp.to_pandas(), geometry="SHAPE", crs=4326)

如果想用效率更高的WKB（二进制格式），示例代码：

from snowflake.snowpark.functions import st_aswkb
import geopandas as gpd

df_sp = session.table(table_name).with_column("SHAPE", st_aswkb("SHAPE"))
df_pd = df_sp.to_pandas()
gdf = gpd.GeoDataFrame(df_pd, geometry=gpd.GeoSeries.from_wkb(df_pd["SHAPE"]), crs=4326)

方案2：简化Python端的GeoJSON转换逻辑 #

如果不想修改Snowpark查询，可以简化原有处理逻辑：Snowpark返回的GeographyType对象转为字符串后是标准GeoJSON，直接用shapely.from_geojson解析，无需literal_eval转字典，代码更简洁。

示例代码：

from shapely.from_geojson import from_geojson
import geopandas as gpd

df_pd = df_sp.to_pandas()
# 直接用from_geojson解析GeoJSON字符串
geom = df_pd.pop("SHAPE").apply(from_geojson)
gdf = gpd.GeoDataFrame(df_pd, geometry=geom, crs=4326)

原方案的问题 #

原方案用literal_eval将字符串转为字典再用shape解析，多了一层冗余的字典转换步骤；而方案1把转换逻辑前置到Snowflake端，利用数据库的空间处理能力，减少Python端的计算开销，更适合大规模数据场景。

内容的提问来源于stack exchange，提问作者Raphael Roth