基于共享属性值合并sf对象中的GeoJSON线几何（条件st_combine）

核心思路：分组聚合替代手动循环 #

不用纠结st_combine的问题，直接用Geopandas的dissolve()方法，就能按街道名（MKN列）批量合并同属性的LINESTRING，同时处理长度字段：

1. 基础合并代码 #

import geopandas as gpd

# 读取街道GeoJSON
streets_gdf = gpd.read_file("你的街道数据.geojson")

# 按MKN分组合并几何+处理长度
merged_streets = streets_gdf.dissolve(
    by="MKN",
    aggfunc={"Shape_Length": "sum"},  # 手动求和各小段长度
    as_index=False
)

2. Shape_Length的处理方式 #

• 要总长度就用sum聚合，这是最准确的（原小段长度之和=整条街道长度）
• 不需要的话可以直接忽略这个字段，后续如果需要重新计算，用merged_streets["new_length"] = merged_streets.geometry.length即可（和求和值可能有细微误差，但不影响分析）
• 绝对不要保留原单个小段的Shape_Length，分组后这个值没有意义

3. 把MultiLineString转成连续LINESTRING #

dissolve()会把同街道的小段合并成MultiLineString，如果这些线段本来是连通的，用line_merge()转成单条LINESTRING：

merged_streets["geometry"] = merged_streets.geometry.apply(
    lambda x: x.line_merge() if x.type == "MultiLineString" else x
)

4. 和交通事件数据关联 #

合并完街道数据后，直接用属性关联交通事件CSV：

import pandas as pd

events_df = pd.read_csv("交通事件数据.csv")
# 用标准化后的street列和MKN列关联
final_data = pd.merge(events_df, merged_streets, left_on="street", right_on="MKN", how="left")

踩坑提醒 #

• 确保street和MKN列的街道名完全一致（你已经做过标准化，这步没问题）
• 如果合并后还是MultiLineString，说明原数据中同街道的小段本来就不连通，不用强行转，不影响后续可视化
• 90万行事件数据关联时，属性匹配比空间join效率高很多，就用上面的merge就行

内容的提问来源于stack exchange，提问作者dahj