使用GeoPandas与Shapely合并非相交多边形（单geometry列）

我有如下结构的GeoDataFrame（示例数据），其中Lat, Long为农场位置，分布区域存储在geometry列：

同一Farm type的其他字段值完全一致，仅geometry列的Polygon不同。我希望按Farm type合并行，得到每个类型一行的结果，将同类型的Polygon合并为MultiPolygon（多边形可能不相交，无需假设交集），期望输出如下：

我尝试了以下代码，但未达到预期效果：

import geopandas as gpd
from shapely.ops import unary_union

for i in df['Farm type'].unique():
    temp_poly = df.loc[df['Farm type']==i]
    df.loc[df['Farm type']==i, 'geometry'] = gpd.GeoSeries(unary_union(temp_poly['geometry']))

解决方案：使用groupby聚合实现合并 #

原代码的问题在于循环修改原DataFrame时，没有对重复行去重，且赋值过程可能存在索引匹配问题。更高效可靠的方式是用GeoPandas的groupby结合聚合函数：

import geopandas as gpd
from shapely.ops import unary_union

# 按Farm type分组，聚合各字段
merged_df = df.groupby('Farm type').agg(
    Lat=('Lat', 'first'),
    Long=('Long', 'first'),
    Avg_yield=('Avg yield', 'first'),
    Max_yield=('Max yield', 'first'),
    geometry=('geometry', unary_union)
).reset_index()

# 确保结果为GeoDataFrame（若自动识别可省略）
merged_df = gpd.GeoDataFrame(merged_df, geometry='geometry')

代码说明 #

• groupby('Farm type')：按农场类型分组，自动将同类型的行归为一组。
• agg()：对每组执行聚合操作：
  • 非geometry字段用first()取值：因为同组内这些字段值完全一致，取第一个即可。
  • geometry字段用unary_union：将组内所有Polygon合并为单个几何对象——若多边形不相交则生成MultiPolygon，若相交则合并为单个Polygon，完美匹配需求。
• reset_index()：将分组的Farm type从索引转回普通列，恢复常规DataFrame结构。

这种方法避免了循环操作的索引问题，代码更简洁，处理效率也更高，尤其适合大规模数据。

内容的提问来源于stack exchange，提问作者Sprawk48