如何在GeoPandas中生成由街道交叉口（LineString交点）构成的Polygon？

嘿，这个需求我之前做项目时碰到过，其实核心就是把街道线数据转化为它们围合出来的闭合多边形，用GeoPandas结合Shapely就能轻松搞定，具体步骤和代码如下：

步骤1：合并街道数据并创建线的联合集合 #

首先你需要把四个分散的街道GeoDataFrame合并到一起，然后通过unary_union把所有线合并成一个连续的线集合，这样后续处理更顺畅：

import geopandas as gpd
import pandas as pd
from shapely.ops import polygonize, unary_union

# 假设你的四个街道GeoDataFrame是gdf1、gdf2、gdf3、gdf4
# 合并为单个GeoDataFrame
all_streets = gpd.GeoDataFrame(
    pd.concat([gdf1, gdf2, gdf3, gdf4], ignore_index=True),
    crs=gdf1.crs  # 保持统一坐标系
)

# 生成所有街道线的联合集合（处理重叠、断开的线）
street_union = all_streets.geometry.unary_union

步骤2：将线转化为围合多边形 #

用Shapely的polygonize方法，它能自动识别闭合的线环并生成对应的多边形：

# 从线联合集合生成多边形
polygons = list(polygonize(street_union))

# 把多边形转为GeoDataFrame方便后续处理
block_gdf = gpd.GeoDataFrame({'geometry': polygons}, crs=all_streets.crs)

步骤3：过滤无效的小多边形 #

polygonize可能会生成一些细碎的小多边形（比如线交叉处的微小区域），你可以通过面积过滤掉这些无效项：

# 先检查坐标系：如果是地理坐标系（如EPSG:4326），先转成投影坐标系再计算面积
if block_gdf.crs.to_epsg() == 4326:
    # 自动匹配合适的UTM投影
    block_gdf = block_gdf.to_crs(block_gdf.estimate_utm_crs())

# 计算每个多边形的面积
block_gdf['area'] = block_gdf.geometry.area

# 过滤掉面积小于阈值的多边形（比如100平方米，根据你的数据调整）
filtered_blocks = block_gdf[block_gdf['area'] > 100].drop('area', axis=1)

备选方案：处理不闭合的街道线 #

如果你的街道线存在断开、不闭合的情况，polygonize可能生成不了完整的多边形，这时候可以用buffer技巧来补全：

# 设置一个小的buffer距离（根据数据单位调整，比如0.5米）
buffer_distance = 0.5
# 给街道线做buffer，生成面
street_buffer = street_union.buffer(buffer_distance)
# 提取buffer的边界线
buffer_boundary = street_buffer.boundary
# 再用polygonize生成多边形
polygons_from_buffer = list(polygonize(buffer_boundary))
block_gdf_from_buffer = gpd.GeoDataFrame({'geometry': polygons_from_buffer}, crs=all_streets.crs)

这样处理后，你得到的filtered_blocks或者block_gdf_from_buffer就是由街道交叉口围合而成的多边形啦！

内容的提问来源于stack exchange，提问作者MikolajM