基于Geopandas缓冲区实现两个DataFrame按分钟级100米半径关联

前置预处理要求 #

• 统一时间格式：将两个DataFrame的Timestamp列统一转为datetime类型，若原始时间带秒级精度，可先通过dt.floor('min')生成分钟级时间列用于分组，确保时间匹配精度为1分钟
• 转换空间坐标系：将两个DataFrame转为GeoDataFrame，先用经纬度初始化WGS84坐标系（EPSG:4326），再转换为单位为米的投影坐标系（如对应区域的UTM投影），否则100米缓冲计算会出现偏差

import geopandas as gpd
import pandas as pd
from shapely.geometry import Point

# 预处理df1
df1['Timestamp'] = pd.to_datetime(df1['Timestamp'])
df1['geometry'] = df1.apply(lambda x: Point(x['Lon'], x['Lat']), axis=1)
gdf1 = gpd.GeoDataFrame(df1, crs="EPSG:4326")
# 替换为你数据所在区域对应的UTM投影EPSG编码，保证距离单位为米
gdf1_proj = gdf1.to_crs(epsg=32631) 

# 预处理df2 操作和df1完全一致
df2['Timestamp'] = pd.to_datetime(df2['Timestamp'])
df2['geometry'] = df2.apply(lambda x: Point(x['Lon'], x['Lat']), axis=1)
gdf2 = gpd.GeoDataFrame(df2, crs="EPSG:4326")
gdf2_proj = gdf2.to_crs(epsg=32631)

核心关联逻辑 #

原来的单DF逻辑是用同一个分组的数据做缓冲和匹配，双DF只需调整为：按同一时间分组后，取df2的当前时间分组做缓冲，和df1的当前时间分组做空间连接即可。

# 存储最终匹配结果
result_list = []

# 按时间分组遍历df1
for time_val, gdf1_group in gdf1_proj.groupby('Timestamp'):
    # 取出df2中对应同一时间的分组
    gdf2_group = gdf2_proj[gdf2_proj['Timestamp'] == time_val].copy()
    if len(gdf2_group) == 0:
        continue # df2无对应时间数据直接跳过
    # 为df2当前分组的点生成100米缓冲区
    gdf2_group['geometry'] = gdf2_group.geometry.buffer(100)
    # 空间连接：df1的点落在df2的100米缓冲区内即为匹配，字段重名自动加后缀区分
    match_res = gpd.sjoin(gdf1_group, gdf2_group, op='within', suffixes=('_df1', '_df2'))
    result_list.append(match_res)

# 合并所有时间分组的匹配结果
final_result = pd.concat(result_list, ignore_index=True)

可选优化建议 #

• 数据量较大时，可以提前给gdf2_proj的Timestamp字段建索引，加快分组筛选速度
• 空间连接前可以利用GeoDataFrame的空间索引sindex先做粗过滤，减少精确匹配的计算量

内容的提问来源于stack exchange，提问作者rv1994