Python实现点与多边形/多多边形的包含判断及数据关联

• 现有两个数据表：filtered_commerce 和 filtered_secteur
  • filtered_commerce 的 zone_population 列存储 POLYGON/MULTIPOLYGON 类型的地理区域多边形
  • filtered_secteur 的 centroid_degres 列存储 POINT 类型的点数据，INS9 列为点的唯一标识
• 需求：找出每个地理区域包含的点，将对应点的 INS9 值存入 filtered_commerce 的新列中

尝试了以下代码，但没有区域匹配到任何点，zone.contains(point) 逻辑从未触发：

# Fonction pour trouver les INS9 des points dans chaque zone
def find_points_in_zones(df_commerce, df_secteur):
    results = {}
    for commerce_index, row_commerce in df_commerce.iterrows():
        zone = row_commerce['zone_population']
        print(f"Zone {commerce_index}: {zone}")
        points_in_zone = []
        for secteur_index, row_secteur in df_secteur.iterrows():
            point = row_secteur['centroid_degres']
            print(f"    Point {secteur_index}: {point}")
            if zone.contains(point):
                print('il y a un point!')
                points_in_zone.append(row_secteur['INS9'])
        results[commerce_index] = points_in_zone
    return results

points_in_zones = find_points_in_zones(filtered_commerce, filtered_secteur)

# Afficher les résultats
for zone_index, points in points_in_zones.items():
    print(f"Zone {zone_index}: {points}")

此前项目另一部分使用类似逻辑可正常工作，但此处无效：

polygone_concurrence = isochrone_commerce_double.iloc[0]['geometry']
filtered_commerce.at[index, 'zone_concurrence'] = polygone_concurrence
concurrents = filtered_commerce[filtered_commerce.geometry.within(polygone_concurrence)]    
concurrents_ids = concurrents['UNITID'].tolist()
filtered_commerce.at[index, 'concurrence'] = concurrents_ids

1. 坐标系不匹配（最常见原因） #

检查两个表的几何列是否使用同一坐标系：

• 打印 zone.crs 和 point.crs 确认坐标系是否一致
• 若不一致，将其中一个转换为另一个的坐标系，示例：

  # 将filtered_secteur的点坐标系统一为filtered_commerce的坐标系
  df_secteur['centroid_degres'] = df_secteur['centroid_degres'].to_crs(df_commerce['zone_population'].crs)
  

2. 几何对象有效性问题 #

多边形或点可能存在无效几何（如自相交多边形），导致空间判断失效：

• 验证并修复几何对象：

  # 修复filtered_commerce中的无效多边形
  df_commerce['zone_population'] = df_commerce['zone_population'].make_valid()
  # 修复filtered_secteur中的无效点
  df_secteur['centroid_degres'] = df_secteur['centroid_degres'].make_valid()
  

3. 改用高效的空间连接替代循环 #

双重循环效率极低且易出错，建议使用geopandas的空间连接功能：

import geopandas as gpd

# 转为GeoDataFrame（若尚未转换）
gdf_commerce = gpd.GeoDataFrame(filtered_commerce, geometry='zone_population')
gdf_secteur = gpd.GeoDataFrame(filtered_secteur, geometry='centroid_degres')

# 空间连接：匹配多边形包含的点
joined = gpd.sjoin(gdf_commerce, gdf_secteur, how='left', predicate='contains')

# 按多边形分组，聚合INS9为列表
result = joined.groupby(joined.index)['INS9'].apply(list).reset_index(name='INS9_points')

# 合并回原表
filtered_commerce = filtered_commerce.merge(result, left_index=True, right_index=True)

4. 检查contains与within的逻辑差异 #

此前有效代码使用within（点在多边形内），当前代码使用contains（多边形包含点），逻辑互逆但几何异常时可能结果不同，可尝试替换：

# 替换原判断逻辑
if point.within(zone):
    points_in_zone.append(row_secteur['INS9'])

内容的提问来源于stack exchange，提问作者lsn