GeoPandas中如何筛选与MultiLineString共享1/2/3条边的多边形？

核心思路是拆解三角形的边，逐一匹配后统计数量——直接用GeoPandas的高层空间关系方法无法精准统计共享边的条数，具体步骤如下：

1. 提取每个三角形的所有边
   每个三角形（Polygon）的边界是LinearRing，我们可以把它拆成3条独立的LineString，同时保留每条边所属的原多边形索引，方便后续统计：

   from shapely.geometry import LineString
   
   def extract_triangle_edges(row):
       # 获取多边形的边界坐标（排除最后一个重复的闭合点）
       coords = list(row.geometry.exterior.coords)[:-1]
       edges = []
       for i in range(3):
           start = coords[i]
           end = coords[(i+1)%3]
           # 标准化边的坐标顺序，避免因方向不同导致匹配失败
           if start > end:
               start, end = end, start
           edges.append(LineString([start, end]))
       # 返回原多边形索引与对应边的组合
       return [(row.name, edge) for edge in edges]
   
   # 提取所有边并转为GeoDataFrame
   all_edges = []
   for idx, row in poly.iterrows():
       all_edges.extend(extract_triangle_edges(row))
   edges_gdf = gpd.GeoDataFrame(all_edges, columns=['poly_id', 'geometry'], crs=poly.crs)
   

2. 判断每条边是否属于目标MultiLineString
   先把lines合并为一个单一的MultiLineString，再检查每条边是否是这个集合的一部分。考虑到浮点数精度问题，可给边做微小缓冲后判断交集：

   # 合并所有lines为一个整体几何对象
   lines_union = lines.geometry.unary_union
   
   # 用缓冲解决精度误差，判断边是否与目标线集相交
   edges_gdf['is_shared'] = edges_gdf.geometry.apply(
       lambda x: x.buffer(1e-8).intersects(lines_union)
   )
   

3. 统计每个三角形的共享边数量
   按原多边形ID分组，统计匹配成功的边数：

   # 统计每个多边形的共享边条数
   edge_counts = edges_gdf.groupby('poly_id')['is_shared'].sum()
   # 将统计结果关联回原多边形GeoDataFrame
   poly['shared_edge_count'] = poly.index.map(edge_counts)
   

4. 生成三个布尔掩码
   根据统计的边数直接生成掩码：

   mask_1 = poly['shared_edge_count'] == 1
   mask_2 = poly['shared_edge_count'] == 2
   mask_3 = poly['shared_edge_count'] == 3
   

关键细节 #

• 坐标标准化：统一边的起点终点顺序，避免因边的方向相反导致匹配失败。
• 精度处理：地理数据的浮点数精度误差是常见问题，缓冲值可根据你的数据坐标单位（如米、度）调整。

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