使用GeoPandas计算Shapefile中多边形间的最近距离

步骤1：投影转换 #

原始Shapefile采用的GCS_North_American_1983是地理坐标系（经纬度），无法直接计算真实物理距离，必须先转换为适合美国区域的投影坐标系。推荐使用EPSG:5070（美国本土等面积投影，单位为米）：

import geopandas as gpd
from itertools import combinations

# 加载Shapefile数据
shape_gdf = gpd.read_file('states.shp')

# 转换为投影坐标系
shape_gdf_proj = shape_gdf.to_crs(epsg=5070)

步骤2：生成州对组合 #

用itertools.combinations生成不重复的州对（避免重复计算CA-TX和TX-CA这类对称组合）：

# 假设州缩写列名为'abbr'，若实际列名是'STUSPS'或其他，请自行替换
state_pairs = combinations(shape_gdf_proj[['abbr', 'geometry']].itertuples(index=False), 2)

步骤3：计算每对州的最小距离 #

遍历州对，调用shapely的distance()方法计算多边形间的最小距离，再转换为千米或英里：

distance_results = []
for state1, state2 in state_pairs:
    # 计算距离（单位：米）
    distance_m = state1.geometry.distance(state2.geometry)
    # 转换为千米
    distance_km = distance_m / 1000
    # 转换为英里（可选）
    distance_mi = distance_m / 1609.34
    
    distance_results.append({
        'state1': state1.abbr,
        'state2': state2.abbr,
        'distance_km': round(distance_km, 2),
        'distance_mi': round(distance_mi, 2)
    })

# 转换为GeoDataFrame方便查看和导出
distance_gdf = gpd.GeoDataFrame(distance_results)
print(distance_gdf.head())

关键说明 #

• 接壤的州会直接返回0作为距离（因为多边形边界相交，最小距离为0）。
• 如果需要保留所有有序对（如同时保留CA-TX和TX-CA），可改用itertools.product，但计算量会翻倍。

内容的提问来源于stack exchange，提问作者Darin H