如何用Python筛选位于任意多边形范围内的地理数据点？

方案一：Python结合几何库实现（推荐） #

如果数据库不支持空间筛选，用Python的shapely库是最直接的解决方式，步骤如下：

• 安装依赖库：pip install shapely
• 用pyodbc拉取所有待筛选的坐标数据
• 定义目标多边形的边界坐标（需按顺时针/逆时针顺序排列，保证多边形闭合）
• 遍历每个数据点，判断是否在多边形内部

代码示例 #

import pyodbc
from shapely.geometry import Point, Polygon

# 1. 连接SQL并拉取数据
conn = pyodbc.connect('你的数据库连接字符串')
cursor = conn.cursor()
cursor.execute("SELECT lat, lon FROM your_target_table")
raw_points = cursor.fetchall()
conn.close()

# 2. 定义天使岛州立公园的多边形边界（替换为实际的边界坐标点）
# 注意：坐标要按顺序排列，首尾可重复保证闭合
angel_island = Polygon([
    (37.8600, -122.4350),
    (37.8650, -122.4300),
    (37.8680, -122.4200),
    (37.8630, -122.4100),
    (37.8580, -122.4150),
    (37.8590, -122.4320),
    (37.8600, -122.4350)  # 闭合点，可选
])

# 3. 筛选内部点
filtered_points = []
for lat, lon in raw_points:
    # shapely的Point参数是(经度, 纬度)，注意和你的数据字段对应
    point = Point(lon, lat)
    if angel_island.contains(point):
        filtered_points.append((lat, lon))

# 后续处理：比如写入数据库或输出
print(f"共筛选出{len(filtered_points)}个内部点")

注意事项 #

• 多边形坐标顺序不能乱，否则会生成交叉的无效多边形，导致判断错误
• 确认经纬度的顺序和shapely的要求一致，搞反会导致所有点判断错误
• 如果数据量超大（百万级以上），先在SQL里用正方形范围初步过滤，再用Python精准筛选，能大幅提升速度

方案二：SQL原生空间筛选（效率更高） #

如果你的数据库支持空间扩展（比如PostgreSQL+PostGIS、SQL Server），直接用SQL就能完成筛选，不用Python介入：

• 将多边形转为数据库支持的空间对象
• 用内置的空间函数判断点是否在多边形内

示例SQL（PostGIS为例） #

SELECT lat, lon
FROM your_target_table
WHERE ST_Contains(
    -- 定义多边形，SRID=4326代表WGS84坐标系（GPS常用）
    ST_GeomFromText('POLYGON((-122.4350 37.8600, -122.4300 37.8650, -122.4200 37.8680, -122.4100 37.8630, -122.4150 37.8580, -122.4320 37.8590, -122.4350 37.8600))', 4326),
    -- 将数据点转为空间对象
    ST_SetSRID(ST_MakePoint(lon, lat), 4326)
);

这个方案效率比Python高，适合数据量较大的场景，但前提是数据库支持空间扩展。

内容的提问来源于stack exchange，提问作者panzer