如何在GeoPandas中为地图子区域分类点位？

不用手动写循环，GeoPandas自带的**空间连接（spatial join）**就能高效解决这个问题，步骤如下：

1. 准备数据 #

假设你已经有两个数据集：

• 子区域GeoDataFrame（命名为gdf_regions）：包含子区域名称列（比如region_name）和多边形geometry列
• 事件DataFrame（命名为df_events）：包含点位的经度（lon）、纬度（lat）列

2. 将事件数据转为GeoDataFrame #

先把普通的事件DataFrame转换成带空间信息的GeoDataFrame，指定坐标系要和子区域数据一致：

import geopandas as gpd
from shapely.geometry import Point

# 用坐标创建点几何列
df_events['geometry'] = gpd.points_from_xy(df_events['lon'], df_events['lat'])
# 转为GeoDataFrame，设置坐标系（和gdf_regions的CRS保持一致，比如EPSG:4326）
gdf_events = gpd.GeoDataFrame(df_events, crs=gdf_regions.crs)

3. 执行空间匹配 #

用gpd.sjoin()完成点位与子区域的匹配，默认会把每个点落在的子区域信息合并到事件数据中：

# 空间连接：匹配每个点所在的多边形
matched_data = gpd.sjoin(gdf_events, gdf_regions, how='left', predicate='within')

• how='left'：保留所有事件点位，即使没有匹配到子区域（会显示NaN）
• predicate='within'：判断点是否在多边形内部，也可以根据需求用intersects（包含边界点）

4. 整理结果 #

匹配完成后，matched_data里会包含原事件数据的所有列，加上子区域的region_name（以及其他子区域属性列），你可以按需筛选列：

# 提取需要的列，比如原事件列+子区域名称
final_data = matched_data[['事件ID', 'lon', 'lat', 'region_name']]

注意事项 #

• 确保两个GeoDataFrame的坐标系（CRS）完全一致，否则匹配会出错
• 如果有点位落在多个子区域边界上，会生成多行匹配结果，可根据需求用drop_duplicates()去重，或者调整predicate参数
• 空间连接比手动循环效率高得多，尤其是处理大数据集时

内容的提问来源于stack exchange，提问作者Abubakar Popoola