并行计算后解包结果报ValueError，如何存储多个geodataframe/geoseries变量

解包报错修复 #

你触发解包报错的核心原因是返回的t是zip生成的迭代器：zip(list_of_Polygon,list_of_Polygon,list_of_Point,column_Point)生成的迭代器，每个迭代元素是对应下标四个序列的元素组成的元组，而非四个独立序列本身。直接对迭代器执行a,b,c,d = t是尝试把迭代器的所有元素拆分为4个变量，只要迭代器长度不等于4就会抛出该报错。

修复方案如下：

# 解包zip迭代器得到四个独立元组，如需转列表可在外层加list()
a,b,c,d = zip(*t)

# 如果需要列表格式的返回结果
a,b,c,d = map(list, zip(*t))

多GeoDataFrame/GeoSeries保存方案 #

常用的保存方案如下：

• 单文件多图层存储（优先推荐）：使用GeoPackage格式，可将多个GeoDataFrame/GeoSeries存入同一个文件的不同图层，没有Shapefile的字段长度、属性类型限制，兼容大部分GIS工具。
  示例代码：

  import geopandas as gpd
  # 存入同一个GeoPackage的不同图层
  gdf1.to_file("geo_output.gpkg", layer="polygon_layer", driver="GPKG")
  gdf2.to_file("geo_output.gpkg", layer="point_layer", driver="GPKG")
  gs.to_file("geo_output.gpkg", layer="line_series", driver="GPKG")
  
  # 读取指定图层
  gdf1 = gpd.read_file("geo_output.gpkg", layer="polygon_layer")
  

• 全对象序列化存储：如果需要保留对象的全部原生属性，不需要和外部GIS工具兼容，可以把多个对象存入字典/列表后用pickle序列化。
  示例代码：

  import pickle
  # 保存
  save_container = {
      "polygon_gdf": gdf1,
      "point_gdf": gdf2,
      "custom_series": gs
  }
  with open("geo_data.pkl", "wb") as f:
      pickle.dump(save_container, f)
  
  # 读取
  with open("geo_data.pkl", "rb") as f:
      load_container = pickle.load(f)
  gdf1 = load_container["polygon_gdf"]
  

• 跨工具兼容存储：如果需要给其他工具传递数据，可选择GeoJSON格式，单个GeoJSON存储一个空间对象，多个对象可以单独存为文件或者打包压缩。大体积数据不推荐该方案，GeoJSON无压缩会占用较多存储空间。
• 大规模数据存储：数据量较大的场景可以直接存入PostGIS等空间数据库，使用geopandas内置的to_postgis方法即可将不同的GeoDataFrame存入对应数据表。

内容的提问来源于stack exchange，提问作者user16708120