如何将含GeoJSON格式列的Pandas DataFrame转为Geopandas DataFrame

要把包含GeoJSON字符串列的Pandas DataFrame转换成Geopandas DataFrame，同时指定几何列，按以下步骤执行：

1. 导入依赖库 #

需要用到pandas、geopandas、json和shapely的几何转换工具：

import pandas as pd
import geopandas as gpd
import json
from shapely.geometry import shape

2. 解析GeoJSON字符串为几何对象 #

你的"Geo Shape"列存储的是字符串格式的GeoJSON，先把每个字符串解析为Python字典，再转换为Shapely几何对象：

# 解析字符串并转为Shapely几何
df_uk['geometry'] = df_uk['Geo Shape'].apply(lambda x: shape(json.loads(x)))

3. 转换为Geopandas DataFrame #

用geopandas.GeoDataFrame包装原DataFrame，指定geometry列为地理数据框的几何列：

gdf_uk = gpd.GeoDataFrame(df_uk, geometry='geometry')

4. （可选）删除原GeoJSON列 #

如果不需要保留原始的"Geo Shape"列，可以直接删除：

gdf_uk = gdf_uk.drop('Geo Shape', axis=1)

完整示例代码 #

结合你提供的示例数据，完整可运行代码如下：

import pandas as pd
import geopandas as gpd
import json
from shapely.geometry import shape

# 构造示例数据
sample_data = {
    'Unnamed: 0': [295, 114, 225],
    'SOVEREIGNT': ['United Kingdom', 'United Kingdom', 'United Kingdom'],
    'NAME': ['Jersey', 'Anguilla', 'Isle of Man'],
    'Geo Shape': [
        '{"coordinates": [[[-5.358386758461411, 36.141109447000375], [-5.360107421875, 36.139892578125]]], "type": "Polygon"}',
        '{"coordinates": [[[-6.773529052734375, 18.2177734375], [-6.771240234375, 18.215484615384617]]], "type": "Polygon"}',
        '{"coordinates": [[[-4.620361328125, 54.23949090909091], [-4.618072509765625, 54.23720208007529]]], "type": "Polygon"}'
    ]
}

df_uk = pd.DataFrame(sample_data)

# 执行转换
df_uk['geometry'] = df_uk['Geo Shape'].apply(lambda x: shape(json.loads(x)))
gdf_uk = gpd.GeoDataFrame(df_uk, geometry='geometry')

# 验证结果
print(gdf_uk[['NAME', 'geometry']])

关键注意点 #

• 确保"Geo Shape"列的字符串是合法的GeoJSON格式，如果存在格式错误，json.loads会抛出异常，需要先清理数据。
• 不管GeoJSON类型是Polygon还是MultiPolygon，shapely.geometry.shape都能自动识别并转换，无需额外处理。

内容的提问来源于stack exchange，提问作者boathon