如何在Geopandas中高效判断点是否位于海洋多边形内？

核心解决方案（向量化操作） #

Geopandas的优势在于矢量空间运算，完全不需要逐行循环或错误的lambda用法。以下是两种高效实现方式，优先推荐第一种（针对单个海洋多边形的场景）：

方法1：转为GeoDataFrame后用完全向量化的contains判断 #

import geopandas as gpd
import pandas as pd

# 读取海洋多边形数据
ocean_gpd = gpd.read_file("ne_10m_ocean/ne_10m_ocean.shp")
# 确保坐标系统一（Natural Earth默认是WGS84，EPSG:4326）
ocean_gpd = ocean_gpd.to_crs(epsg=4326)

# 构造点数据DataFrame
df = pd.DataFrame({
    'lon': [120.0,120.1,120.2,120.3,120.4],
    'lat': [10.0,10.1,10.2,10.3,10.4]
})

# 将普通DataFrame转换为GeoDataFrame（生成点几何列）
points_gpd = gpd.GeoDataFrame(
    df,
    geometry=gpd.points_from_xy(df.lon, df.lat),
    crs="EPSG:4326"
)

# 提取单个海洋多边形（你的数据源是单个Multipolygon）
ocean_polygon = ocean_gpd.geometry.iloc[0]

# 完全向量化判断：直接用多边形判断所有点是否在内部
points_gpd['is_ocean'] = ocean_polygon.contains(points_gpd.geometry)

方法2：使用空间连接（适合多多边形场景） #

如果未来你的海洋数据变为多个多边形，可以用空间连接批量判断：

# 左连接，只保留在海洋内部的点匹配
joined = points_gpd.sjoin(ocean_gpd, how="left", predicate="within")
# 通过是否有匹配结果标记是否在海洋内
points_gpd['is_ocean'] = ~joined.index_right.isna()

为什么之前的方法失效？ #

1. 循环iterrows速度慢：
   逐行循环是标量操作，完全没利用Geopandas的矢量运算优化，数据量较大时速度会线性下降，效率极低。

2. lambda函数报错：
   你尝试的lambda x: ocean_gpd.contains(Point(x['lon'],x['lat']))中，x['lon']和x['lat']是Pandas Series（整列数据），而Point()只能接受单个数值型坐标，无法直接处理Series，因此抛出cannot convert the series to <class 'float'>错误。

针对10m精度数据的额外优化 #

• 确认海洋数据是单个Multipolygon后，直接提取ocean_gpd.geometry.iloc[0]判断，比操作整个GeoDataFrame减少不必要开销。
• 若数据量极大，可对海洋多边形做简化处理（ocean_polygon.simplify(tolerance=0.01)，tolerance单位为度），在可接受的精度损失下提升判断速度。

内容的提问来源于stack exchange，提问作者d_frEak