如何更快将WKT字符串数据框中的shapely.wkt几何对象加载到pandas数据框

你之前使用的apply逐行调用和列表推导方式慢的核心原因是Python层面的循环存在大量函数调用开销，且GIL锁导致普通多线程对这类CPU密集型任务无效。可采用以下方案提速：

• 方案1：使用GeoPandas内置的矢量化加载接口（推荐）
  GeoPandas的from_wkt方法底层基于C实现的批量处理逻辑，完全避免Python层面的循环，性能是逐行调用的数十到上百倍。示例代码：

  import geopandas as gpd
  # 直接从WKT列批量生成几何序列
  geoms = gpd.GeoSeries.from_wkt(df["wkt"]).values
  

• 方案2：使用Shapely 2.0+的批量加载接口
  如果你只需要生成几何对象数组不需要用到GeoSeries，可以直接用Shapely 2.0及以上版本提供的批量loads能力，支持直接传入数组类型的WKT数据：

  from shapely import wkt
  # 直接传入WKT列的数组，不需要逐行调用
  geoms = wkt.loads(df["wkt"].values)
  

• 方案3：超大规模数据提前预处理
  如果数据量达到千万行级以上，可以先用GDAL的ogr2ogr工具将包含WKT字段的CSV文件直接转换为GeoPackage或Shapefile格式，再用GeoPandas读取转换后的矢量文件，额外减少IO和解析的整体耗时。

内容的提问来源于stack exchange，提问作者Laende