如何加速大数据量下Point GeoSeries的创建？

原代码慢的核心原因是用map+zip逐个构造Point对象，Python层面的循环开销在百万级数据量下被大幅放大。以下是两个高效的优化方案：

方案一：使用GeoPandas内置的points_from_xy（推荐） #

这是GeoPandas专门为批量生成点几何设计的向量化方法，底层用C实现，性能最优：

import numpy as np
import geopandas as gpd

x = np.random.rand(int(1e6))
y = np.random.rand(int(1e6))
# 直接传入x、y数组批量生成点
geo_series = gpd.GeoSeries(gpd.points_from_xy(x, y))

方案二：使用Shapely的points函数 #

Shapely也提供了向量化的点构造接口，同样能跳过Python循环：

import numpy as np
from geopandas import GeoSeries
from shapely import points

x = np.random.rand(int(1e6))
y = np.random.rand(int(1e6))
# 批量生成点几何对象
geo_series = GeoSeries(points(x, y))

性能对比 #

原方案耗时约5秒，上述两个优化方案在普通笔记本上处理百万级数据，耗时通常能控制在0.1-0.3秒左右，性能提升十几到几十倍。

内容的提问来源于stack exchange，提问作者zxdawn