如何用Python计算多边形内点到多边形边界的最近距离

问题根源 #

• 直接调用多边形的distance方法时，内部点返回值为0，因为这是点到**整个多边形（含内部）**的距离，而非到边界的距离。
• 之前代码出现NaN是因为nigeria是GeoDataFrame而非单个几何对象，且存在拼写错误（boundaries应为boundary）。
• 经纬度属于地理坐标（WGS84），直接计算的距离是角度单位，无实际物理意义，必须转换为投影坐标。

正确实现代码 #

import geopandas as gpd

# 加载尼日利亚多边形数据
world_filepath = gpd.datasets.get_path('naturalearth_lowres')
world = gpd.read_file(world_filepath)
nigeria = world.loc[world['name'] == 'Nigeria']

# 将坐标数据转为GeoDataFrame，指定CRS为WGS84（EPSG:4326）
df = gpd.GeoDataFrame(
    coord_new,
    geometry=gpd.points_from_xy(coord_new.longitude, coord_new.latitude),
    crs="EPSG:4326"
)

# 提取尼日利亚的边界几何（单个Shapely对象，包含外边界和内部洞边界）
nigeria_boundary = nigeria.geometry.iloc[0].boundary

# 转换到尼日利亚本地投影坐标系（以EPSG:26392为例，适用于中部区域；东部可选EPSG:26393）
target_crs = "EPSG:26392"
df_proj = df.to_crs(target_crs)
nigeria_boundary_proj = nigeria_boundary.to_crs(target_crs)

# 计算每个点到边界的距离（单位：米）
df['distance_to_boundary_m'] = df_proj.geometry.distance(nigeria_boundary_proj)

# 可选：转换为千米
df['distance_to_boundary_km'] = df['distance_to_boundary_m'] / 1000

关键细节 #

• boundary vs exterior：boundary会返回多边形的所有边界（包括内部湖泊等洞的边界），比仅取外边界的exterior更准确。
• 投影选择：必须使用平面投影坐标系（如UTM）才能得到以米为单位的实际距离，避免用地理坐标计算角度距离。
• 单个几何对象：通过iloc[0]提取单个多边形，确保distance方法能正确对每个点执行向量运算，避免NaN。

内容的提问来源于stack exchange，提问作者user17413373