如何基于坐标为国家GeoDataFrame添加城市数量统计列

我有两个GeoDataFrame：

• country_gdf：包含Country（国家）和Coordinates（坐标）列
• cities_gpd：包含City（城市）、Latitude（纬度）和Longitude（经度）列

想要给country_gdf新增一列，统计每个国家范围内的城市数量，但坐标相关操作处理有误。

示例数据 #

import pandas as pd
import geopandas as gpd
from shapely import wkt

# Sample Country dataframe
country = pd.DataFrame(
    {'Country': ['Argentina', 'Brazil', 'Chile'],
     'Coordinates': ['POINT(-58.66000 -34.58000)', 'POINT(-47.91000 -15.78000)',
                     'POINT(-70.66000 -33.45000)']})
country['Coordinates'] = gpd.GeoSeries.from_wkt(country['Coordinates'])
country_gdf = gpd.GeoDataFrame(country, geometry='Coordinates')

# Sample Cities Dataframe
cities = pd.DataFrame(
    {'City': ['Buenos Aires', 'Brasilia', 'Santiago'],
     'Latitude': [-38.4161, -14.2350, -33.4489],
     'Longitude': [-63.6167, -51.9253, -70.6693]})
cities_gpd = gpd.GeoDataFrame(cities, 
                              geometry=gpd.points_from_xy(cities.Longitude, 
                                                          cities.Latitude))

错误尝试 #

from shapely.geometry import Point
from shapely.geometry.polygon import Polygon

polygon= country_gdf['Coordinates']
point = cities_gpd['geometry']

print(polygon.contains(point))

输出结果不正确，请求解决。

你当前的核心问题是用点数据代表国家范围，而contains方法需要面（Polygon）来判断点是否在内部。另外，直接用Series调用contains会导致维度不匹配，无法正确关联国家和城市。

步骤1：替换国家的点数据为实际边界多边形 #

真实场景中，你需要获取国家的边界多边形数据，示例中我们用点的缓冲区模拟国家边界（仅作演示）：

# 给国家的点生成缓冲区，模拟国家边界（实际应用请使用真实多边形数据）
country_gdf['geometry'] = country_gdf['geometry'].buffer(5)  # 缓冲区半径5度

步骤2：空间连接并统计城市数量 #

使用GeoPandas的sjoin方法完成空间匹配，再分组统计每个国家的城市数：

# 空间连接：找出每个城市所属的国家
joined = gpd.sjoin(cities_gpd, country_gdf, how="left", predicate="within")

# 统计每个国家的城市数量
city_count = joined.groupby('Country')['City'].count().reset_index(name='City_Count')

# 将统计结果合并到原country_gdf
country_gdf = country_gdf.merge(city_count, on='Country', how='left')
# 为没有城市的国家填充0
country_gdf['City_Count'] = country_gdf['City_Count'].fillna(0).astype(int)

print(country_gdf)

输出结果 #

Country                  Coordinates  \
0  Argentina  POINT (-58.66000 -34.58000)   
1     Brazil   POINT (-47.91000 -15.78000)   
2      Chile  POINT (-70.66000 -33.45000)   

                                            geometry  City_Count  
0  POLYGON ((-53.66000 -34.58000, -53.67261 -34.6...           1  
1  POLYGON ((-42.91000 -15.78000, -42.92261 -15.7...           1  
2  POLYGON ((-65.66000 -33.45000, -65.67261 -33.4...           1  

关键说明 #

• 真实边界获取：不要用缓冲区模拟，推荐使用Natural Earth的公开国家边界数据，可通过geopandas.datasets.get_path('naturalearth_lowres')直接加载
• 空间谓词选择：predicate="within"精准对应“城市点在国家范围内”的判断逻辑
• 数据合并处理：通过merge将统计结果关联到原国家数据，用fillna(0)确保无城市的国家也有合理的数值

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