使用GeoDataFrame.sjoin筛选澳新州Uber数据点仍有外溢问题求解

在Folium地图上可视化澳大利亚新南威尔士州的Uber行程数据集时，发现部分数据点落在海域而非陆地区域。尝试使用新南威尔士州的多边形数据集，通过GeoDataFrame.sjoin并指定"contains"谓词进行空间连接，但仍有部分点位于多边形外。

使用的代码如下：

geo_df = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.pick_up_lon, df.pick_up_lat), crs="EPSG:4326")
poly_df = gpd.read_file("state.geojson")
join_df = gpd.sjoin(poly_df, geo_df, predicate="contains")

• [应用多边形前的地图：可见大量海域内的Uber行程点]
• [应用多边形及sjoin后的地图：仍存在海域内的行程点]

• 验证多边形数据的完整性与准确性
  新南威尔士州的GeoJSON边界可能存在缺失（比如未覆盖沿海岛屿、半岛）或坐标误差，导致部分陆地行程点被判定为在多边形外。建议更换为官方数据源，比如澳大利亚统计局（ABS）发布的州边界数据，或从OpenStreetMap提取更精确的边界。

• 调整空间筛选的逻辑与方式
  当前代码是用多边形表左连接点表，容易保留不匹配的记录。建议直接筛选出被多边形包含的点，两种实现方式：

  # 方式1：调换sjoin的表顺序，保留在多边形内的点
  join_df = gpd.sjoin(geo_df, poly_df, predicate="within")
  
  # 方式2：直接用within方法结合多边形合并后的几何对象
  merged_poly = poly_df.unary_union
  valid_points = geo_df[geo_df.geometry.within(merged_poly)]
  

• 修复拓扑与坐标精度问题
  GPS行程点可能存在微小偏移，或多边形本身有拓扑错误（比如自相交），导致空间判断失效。可以先修复多边形拓扑，再做筛选：

  # 修复多边形拓扑错误
  poly_df["geometry"] = poly_df.geometry.buffer(0)
  # 筛选有效点
  valid_points = geo_df[geo_df.geometry.within(poly_df.iloc[0]["geometry"])]
  

• 确认CRS完全一致
  即使代码中指定了CRS，仍需验证点数据与多边形数据的坐标参考系是否完全匹配：

  print("点数据CRS:", geo_df.crs)
  print("多边形数据CRS:", poly_df.crs)
  # 若不一致，统一转换为相同CRS
  if geo_df.crs != poly_df.crs:
      poly_df = poly_df.to_crs(geo_df.crs)
  

内容的提问来源于stack exchange，提问作者Ali_Khaled