如何在Python中通过空间连接替换多边形Shapefile目标区域的值

问题场景 #

你手里有个多边形相交生成的Shapefile，对应的GeoDataFrame（intersected_polygons）有4行数据，对应4块不同颜色的相交多边形区域，每行都带Value字段——其中淡紫色那块的Value是23。另外还有个只含单个红点的Shapefile，这个点带数值19，刚好落在淡紫色区域里。

你想用Geopandas做空间连接，把淡紫色区域的Value改成19，其他多边形的Value保持不变，但现在用这段代码：

point_in_poly = gpd.sjoin(intersected_polygons, point, how='inner', op='contains')

只能拿到包含红点的那单个多边形行，没法保留全部4个多边形，得改代码实现需求。

解决方案 #

核心是用**左连接（how='left'）**保住所有原始多边形，再针对性更新Value字段：

• 第一步：执行左空间连接，保留所有多边形数据

# 用左连接，确保intersected_polygons的所有行都被保留
joined = gpd.sjoin(intersected_polygons, point, how='left', op='contains')

这里how='left'会把左表（也就是你的多边形GeoDataFrame）的所有行都留下来，只有包含红点的那行会匹配到点的属性，其他行的点相关字段会显示NaN。

• 第二步：更新Value字段
  假设红点的数值字段叫point_value，用这个值替换匹配到的多边形的Value，没匹配到的就保持原来的Value：

import pandas as pd

# 遍历每行，有匹配点值的就替换，没有的留原值
joined['Value'] = joined.apply(
    lambda row: row['point_value'] if not pd.isna(row['point_value']) else row['Value'],
    axis=1
)

要是你的红点数值字段不是point_value，换成实际的字段名就行。

• 第三步：清理冗余字段（可选）
  空间连接后会多出index_right这类没用的字段，按需删掉就行：

# 删除不需要的冗余列，比如index_right和点的数值字段
cleaned = joined.drop(columns=['index_right', 'point_value'])

这么操作完，你就能得到包含全部4个多边形的GeoDataFrame了——淡紫色区域的Value已经改成19，其他区域的数值还是原来的样子。

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