GeoPandas向量化创建shapely正方形多边形报错解决

你持有一个存储点几何的GeoDataFrame，需要以每个点为左下角，生成边长250单位的正方形多边形，坐标推导规则：

• 原始点：左下角（BOTTOM_LEFT）
• 原始点x坐标+250，y不变：右下角（BOTTOM_RIGHT）
• 原始点x、y坐标各+250：右上角（TOP_RIGHT）
• 原始点y坐标+250，x不变：左上角（TOP_LEFT）

你最初的实现是先新增4列分别存储四个角点的几何信息，列效果如下：

之后尝试通过以下代码生成多边形列：

gdf['POLY'] = shapely.Geometry([gdf['BOTTOM_LEFT'], gdf['BOTTOM_RIGHT'], gdf['TOP_LEFT'], gdf['TOP_RIGHT']])

运行后返回错误：

AttributeError: 'list' object has no attribute '__array_interface__'

• shapely.Geometry是Shapely几何类型的抽象基类，本身不支持直接实例化多边形对象
• 传入的参数是4个GeoSeries列组成的原生列表，Shapely无法解析这种嵌套结构逐行匹配四个角点的坐标，因此抛出数组接口缺失的错误

优先推荐无中间列的向量化实现，性能最优，不需要提前生成四个角点列。

方案1：最简向量化实现（推荐，适配Shapely 2.0+） #

直接从原始点几何提取坐标批量生成，全程走Shapely原生向量化接口，比逐行apply快数十倍，适合大数据量场景：

import shapely

side_len = 250
# 批量提取所有点的x、y坐标
x = gdf.geometry.x
y = gdf.geometry.y

# 构造闭合坐标环，批量生成多边形
gdf["POLY"] = shapely.polygons(
    [
        (x, y),
        (x + side_len, y),
        (x + side_len, y + side_len),
        (x, y + side_len),
        (x, y)  # 最后回到起点闭合环
    ]
)

方案2：基于已有四个角点列的修复实现 #

如果你已经生成了四个角点列，不需要重新计算坐标，可以直接提取各角点坐标批量生成：

import shapely

# 批量提取四个角点的坐标
bl_x, bl_y = gdf["BOTTOM_LEFT"].x, gdf["BOTTOM_LEFT"].y
br_x, br_y = gdf["BOTTOM_RIGHT"].x, gdf["BOTTOM_RIGHT"].y
tr_x, tr_y = gdf["TOP_RIGHT"].x, gdf["TOP_RIGHT"].y
tl_x, tl_y = gdf["TOP_LEFT"].x, gdf["TOP_LEFT"].y

gdf["POLY"] = shapely.polygons(
    [
        (bl_x, bl_y),
        (br_x, br_y),
        (tr_x, tr_y),
        (tl_x, tl_y),
        (bl_x, bl_y)  # 闭合坐标环
    ]
)

• 构造多边形时坐标环必须闭合，即最后一个点坐标要和第一个点完全一致，否则会生成无效几何
• 不建议使用gdf.apply(lambda row: shapely.Polygon(...), axis=1)的逐行实现，数据量超过1万条时性能会急剧下降
• 如果你的Shapely版本低于2.0，先执行pip install -U shapely geopandas升级后再使用上述向量化接口
• 生成前确认坐标系单位匹配：如果是经纬度坐标系（如EPSG:4326），坐标单位是度而非米，直接加250生成的正方形边长是250度，需要先投影到对应区域的米制投影坐标系再计算

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