如何在Python的GeoPandas中按时间与几何关联两个GeoDataFrame？

针对你的需求，核心思路是先完成空间匹配，再叠加时间条件过滤，或根据时间关联的具体逻辑（区间包含/最近时间匹配）调整顺序，以下是具体实现方案：

前提准备 #

首先确保两个GeoDataFrame的时间列都是datetime类型，避免时间比较出错：

import geopandas as gpd
import pandas as pd

# 转换时间列为datetime格式（根据你的实际列名修改）
df_a['start_time'] = pd.to_datetime(df_a['start_time'])
df_a['end_time'] = pd.to_datetime(df_a['end_time'])  # 若df_a是时间区间数据
# 若df_a是单个时间点数据：df_a['a_time'] = pd.to_datetime(df_a['a_time'])

df_b['point_time'] = pd.to_datetime(df_b['point_time'])

方案1：时间区间匹配（df_a为时间段多边形） #

如果df_a的每条记录对应一个时间区间（比如某时段内的区域数据），需要将df_b的点匹配到「空间包含该点，且时间区间覆盖该点时间」的多边形：

1. 执行左空间连接（因所有点都在多边形内，用contains比intersects更精准）：

# 左连接保留所有df_a的多边形，即使无对应点
spatial_joined = gpd.sjoin(df_a, df_b, how='left', predicate='contains')

2. 过滤时间符合条件的记录：

# 筛选点时间落在多边形时间区间内的记录
final_df = spatial_joined[
    (spatial_joined['point_time'] >= spatial_joined['start_time']) & 
    (spatial_joined['point_time'] <= spatial_joined['end_time'])
]

方案2：最近时间点匹配（df_a为离散时间点多边形） #

如果df_a的每条记录对应单个时间点的多边形（比如不同时间快照的区域），需要将df_b的点匹配到「空间包含该点，且时间最接近」的多边形：

1. 执行左空间连接：

spatial_joined = gpd.sjoin(df_a, df_b, how='left', predicate='contains')

2. 计算时间差并筛选最近匹配：

# 计算时间差的绝对值（假设df_a的时间列是a_time，df_b是point_time）
spatial_joined['time_diff'] = abs(spatial_joined['a_time'] - spatial_joined['point_time'])

# 按df_a的唯一标识（比如polygon_id）分组，保留每组中时间差最小的记录
final_df = spatial_joined.sort_values(['polygon_id', 'time_diff']) \
                         .groupby('polygon_id') \
                         .first() \
                         .reset_index()

注意事项 #

• 若需要严格时间匹配（点时间=多边形时间），可在空间连接后直接过滤spatial_joined['a_time'] == spatial_joined['point_time']
• 左连接会保留所有df_a的多边形，无对应点的记录中来自df_b的字段会显示为NaN，符合你的需求

内容的提问来源于stack exchange，提问作者gabe