如何使用Geopandas求解多几何对象集合的凸包或包络线

你之前调用s.envelope得到单个多边形各自包络的问题，本质是没有先把需要聚合的多边形合并为一个几何集合，直接对GeoSeries逐元素计算导致的。以下是可直接落地的实现方案：

基础实现（全量/指定子集聚合） #

核心逻辑是先用unary_union合并所有目标多边形为单个几何集合（天然支持不相交对象），再对整体计算包络/凸包，全量聚合和指定子集聚合逻辑完全通用：

import geopandas as gpd
from shapely.geometry import Polygon
from shapely.ops import unary_union

# 你的示例数据生成代码
s = gpd.GeoSeries(
    [
        Polygon([(4, 4), (4, 2),(2,2), (2, 4)]),
        Polygon([(8, 8), (8, 6),(6,6), (6, 8)]),
        Polygon([(6, 2), (8, 2),(8,4), (6, 4)]),
        Polygon([(2, 6), (2, 8),(4,8), (4, 6)])
    ]
)
sdf = gpd.GeoDataFrame(s.rename('geometry')).reset_index()

# --------------------------
# 1、全量聚合所有多边形
# --------------------------
all_geoms = unary_union(sdf['geometry'])
# 整体轴对齐包络（实现最简单，优先选择）
total_envelope = all_geoms.envelope
# 整体最小凸包（更贴合形状，可按需替换）
total_convex_hull = all_geoms.convex_hull

# --------------------------
# 2、指定子集聚合（比如选前2个正方形）
# --------------------------
subset_geoms = unary_union(sdf.loc[sdf['index'].isin([0,1]), 'geometry'])
subset_envelope = subset_geoms.envelope

扩展功能：按数量/面积阈值分组聚合 #

如果需要自定义单个包络容纳的多边形数量、或者设置最大面积阈值，可以配合聚类逻辑实现分组聚合，以下是按单组最大数量拆分的示例：

from sklearn.cluster import KMeans
import numpy as np

# 配置参数：单个包络最多容纳2个多边形
max_count_per_group = 2
# 提取每个多边形质心作为聚类特征
centroids = np.array(list(sdf['geometry'].apply(lambda x: [x.centroid.x, x.centroid.y])))
# 计算所需分组数
n_clusters = max(1, len(sdf) // max_count_per_group)
# 聚类打分组标签
sdf['group'] = KMeans(n_clusters=n_clusters, random_state=0).fit_predict(centroids)

# 按分组计算各自的整体包络
group_result = sdf.groupby('group')['geometry'].apply(
    lambda g: unary_union(g).envelope # 替换为.convex_hull即可计算凸包
).reset_index().rename(columns={'geometry':'group_envelope'})

如果需要按面积阈值拆分，只要在生成每个分组包络后判断面积是否超过阈值，超过则进一步拆分为更小的分组即可。

示例效果 #

你给出的4个离散正方形原始效果如下：

全量聚合后的包络为左下角(2,2)到右上角(8,8)的矩形，和全量凸包结果一致。

内容的提问来源于stack exchange，提问作者Serge de Gosson de Varennes