如何遍历两个GeoDataFrame统计线要素相交数量并添加新列？

基础实现方法（简洁高效，适合小数据量） #

直接使用GeoPandas的空间连接（sjoin）结合分组计数，无需手动遍历：

import geopandas as gpd
from shapely.geometry import LineString

# 构造示例数据
df = gpd.GeoDataFrame([['a',LineString([(1, 0.25), (2,1.25)])], ['b', LineString([(1.2, 1.0), (1.4, 1.5)])]], columns = ['name','geometry'])
df2 = gpd.GeoDataFrame([['c', LineString([(2.0, 0.5), (1.0, .75)])], ['d', LineString([(2, 0.75), (1.25, 0.8)])]], columns = ['name', 'geometry'])

# 空间连接，筛选相交的要素对
joined = gpd.sjoin(df, df2, how='left', predicate='intersects')

# 按原df的索引分组，统计每条线的相交数量
df['intersect_count'] = joined.groupby(joined.index).size()

# 无相交的线填充0
df['intersect_count'] = df['intersect_count'].fillna(0).astype(int)

print(df)

运行后会得到你期望的结果：为df新增intersect_count列，记录每条线与df2中线要素的相交数量。

优化实现方法（适合大数据量） #

如果数据量较大，直接空间连接效率偏低，可以结合空间索引和缓冲区过滤减少计算量：

import geopandas as gpd
from shapely.geometry import LineString

# 构造示例数据
df = gpd.GeoDataFrame([['a',LineString([(1, 0.25), (2,1.25)])], ['b', LineString([(1.2, 1.0), (1.4, 1.5)])]], columns = ['name','geometry'])
df2 = gpd.GeoDataFrame([['c', LineString([(2.0, 0.5), (1.0, .75)])], ['d', LineString([(2, 0.75), (1.25, 0.8)])]], columns = ['name', 'geometry'])

# 为df2创建空间索引，加速候选要素查询
sindex = df2.sindex

def count_intersections(row):
    # 给当前线添加极小缓冲区，扩大查询范围（缓冲区大小需匹配数据精度）
    buffer = row.geometry.buffer(0.001)
    # 通过空间索引获取可能相交的候选要素索引
    candidate_idx = list(sindex.intersection(buffer.bounds))
    candidates = df2.iloc[candidate_idx]
    # 对候选要素做精确相交判断
    matches = candidates[candidates.intersects(row.geometry)]
    return len(matches)

# 批量计算每条线的相交数量
df['intersect_count'] = df.apply(count_intersections, axis=1)

print(df)

你之前用缓冲区结果为空，大概率是缓冲区大小设置不合理——如果缓冲区太小，可能漏掉实际相交的要素；如果太大，过滤效果差。需要根据你的数据坐标精度调整buffer()的参数值。

内容的提问来源于stack exchange，提问作者kp42