如何在Python中获取MultiPolygon内的所有点？（NYC CSV数据场景）

首先要明确：多边形是连续的二维区域，不存在“所有点”——你实际需求应该是生成指定数量的内部随机点，或者提取多边形的顶点（边界离散点），下面针对这两种情况结合你的问题说明：

1. MultiPolygon转Polygon：GeoPandas.explode()完全适用 #

MultiPolygon本质是多个独立Polygon的集合，explode()方法可以把它拆分成单个Polygon，每个Polygon对应一行数据，这是处理MultiPolygon的标准操作，不管是生成内部点还是做后续分析都会更方便。

示例代码（先读取并拆分数据）：

import geopandas as gpd
import shapely
from shapely.geometry import Point
import random

# 读取CSV并解析几何字段
gdf = gpd.read_csv('你的文件.csv', GEOM_POSSIBLE_NAMES='the_geom', KEEP_GEOM_COLUMNS=True)
gdf['geometry'] = gdf['the_geom'].apply(shapely.wkt.loads)

# 拆分MultiPolygon为单个Polygon，index_parts=True保留原索引关联
exploded_gdf = gdf.explode(index_parts=True)

2. 批量生成内部随机点 #

你之前的单点点生成逻辑可以优化为批量生成，结合拆分后的单个Polygon效率更高：

def generate_points_in_polygon(polygon, num_points):
    minx, miny, maxx, maxy = polygon.bounds
    points = []
    # 批量生成直到满足数量
    while len(points) < num_points:
        pnt = Point(random.uniform(minx, maxx), random.uniform(miny, maxy))
        if polygon.contains(pnt):
            points.append(pnt)
    return points

# 给每个Polygon生成10个内部点，可按需调整数量
exploded_gdf['internal_points'] = exploded_gdf['geometry'].apply(lambda x: generate_points_in_polygon(x, 10))

3. 提取多边形顶点（边界点） #

如果你的需求是获取多边形的顶点（边界上的离散点），不需要随机生成，直接提取即可：

# 提取每个Polygon的外部边界顶点，内部洞的顶点可通过interiors获取
exploded_gdf['vertices'] = exploded_gdf['geometry'].apply(lambda x: list(x.exterior.coords))

总结 #

• 必须拆分MultiPolygon：因为原MultiPolygon是多个Polygon的组合，直接处理容易出现点落在某个子Polygon外的情况，拆分后每个Polygon独立处理更准确。
• GeoPandas.explode()是最合适的拆分方法，它能完整保留原数据的关联信息，操作简单高效。

内容的提问来源于stack exchange，提问作者abs8090