如何栅格化含多点的GeoPandas DataFrame并烧录像素均值？

我来帮你搞定这个多点点要素像素取平均的问题——你遇到的核心问题是features.rasterize默认会用最后一个落到像素里的点覆盖之前的，所以得换个思路：先统计每个像素的值总和和点的计数，最后通过两者相除得到平均值。下面是具体的实现代码：

import numpy as np
import rasterio
from rasterio.transform import rowcol

# 假设你的meta和gdf已经准备就绪
with rasterio.open("somepath/rasterized.tif", 'w+', **meta) as out:
    out.nodata = 0
    # 初始化总和数组和计数数组，形状与输出栅格完全匹配
    sum_arr = np.zeros(out.shape, dtype=np.float32)
    count_arr = np.zeros(out.shape, dtype=np.int32)
    
    # 遍历每个点要素，计算对应的像素坐标并累加值
    for geom, value in zip(gdf.geometry, gdf["PositionConfidence"]):
        # 将点的地理坐标转换为栅格的行、列索引
        row, col = rowcol(out.transform, geom.x, geom.y)
        # 检查像素是否在栅格范围内，避免越界报错
        if 0 <= row < out.height and 0 <= col < out.width:
            sum_arr[row, col] += value * 2  # 保留你原来的value*2计算逻辑
            count_arr[row, col] += 1
    
    # 安全计算平均值：处理计数为0的情况（避免除零错误）
    # 用np.divide的where参数，仅对计数不为0的像素做除法，其余设为nodata
    mean_arr = np.divide(sum_arr, count_arr, where=count_arr != 0)
    mean_arr[count_arr == 0] = out.nodata
    
    # 转换数组类型以匹配输出栅格的元数据要求
    mean_arr = mean_arr.astype(meta['dtype'])
    
    # 将平均值写入三个波段
    out.write_band(1, mean_arr)
    out.write_band(2, mean_arr)
    out.write_band(3, mean_arr)

# 验证生成的栅格结果
with rasterio.open("somepath/rasterized.tif", 'r') as src:
    out_arr1 = src.read(1)

关键步骤说明： #

• 统计数组初始化：sum_arr负责累加每个像素内所有点的计算值，count_arr统计对应像素内的点数量。
• 坐标转换：通过rowcol方法把点的地理坐标转成栅格的像素索引，确保操作的是正确的像素位置。
• 边界检查：过滤掉落在栅格外的点，避免数组索引越界错误。
• 安全求平均：利用numpy的条件除法处理除零场景，同时把无点的像素设为你指定的nodata值。
• 类型匹配：确保最终数组的数据类型和输出栅格的元数据一致，避免写入失败。

这种方法虽然需要遍历每个点，但能精准控制每个像素的统计逻辑，完美解决多个点落在同一像素时取平均的需求。

内容的提问来源于stack exchange，提问作者Zombiefied