如何在Python中将QgsVectorLayer对象转换为pandas dataframe

基础转换步骤 #

基于你通过分区统计得到的QgsVectorLayer对象（即result['OUTPUT']），可以按以下步骤完成转换：

1. 导入依赖库
   确保已安装并导入pandas：

   import pandas as pd
   

2. 提取图层与字段信息
   获取目标图层对象及所有字段名称：

   # 提取QgsVectorLayer对象
   layer = result['OUTPUT']
   # 生成字段名列表
   field_names = [field.name() for field in layer.fields()]
   

3. 收集要素属性数据
   遍历图层所有要素，提取每个要素的属性值：

   data = []
   for feature in layer.getFeatures():
       # 获取当前要素的全部属性值
       attrs = feature.attributes()
       data.append(attrs)
   

4. 转换为DataFrame
   将收集到的属性数据转为Pandas DataFrame：

   df = pd.DataFrame(data, columns=field_names)
   

简化写法 #

用列表推导式简化数据收集步骤，让代码更紧凑：

import pandas as pd

layer = result['OUTPUT']
field_names = [f.name() for f in layer.fields()]
df = pd.DataFrame([f.attributes() for f in layer.getFeatures()], columns=field_names)

扩展：包含几何信息（可选） #

如果需要将要素的几何数据也存入DataFrame，可以将几何对象转为WKT格式字符串：

data = []
for feature in layer.getFeatures():
    attrs = feature.attributes()
    # 添加几何的WKT格式字符串
    attrs.append(feature.geometry().asWkt())
    data.append(attrs)
# 字段名列表新增几何字段
field_names.append('geometry')
df = pd.DataFrame(data, columns=field_names)

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