如何在Python中整合GeoJSON州面数据与分支机构点数据统计数量

Hey there! Since you're new to using Python for GIS data, let's break this down step by step—geopandas is going to be your go-to tool here, as it's designed specifically for working with spatial datasets like GeoJSONs. Here's a complete, beginner-friendly implementation:

1. 先安装所需依赖 #

First, make sure you have the necessary libraries installed. Open your terminal/command prompt and run:

pip install geopandas shapely

• geopandas: Handles reading/writing spatial data and spatial operations
• shapely: Powers the underlying geometric calculations

2. 完整代码实现 #

Here's a commented script that walks through every step:

import geopandas as gpd

# ----------------------
# 1. 读取两份GeoJSON数据
# ----------------------
# 读取州的面状数据
state_boundaries = gpd.read_file("path/to/your/states.geojson")
# 读取分支机构的点状数据
branch_locations = gpd.read_file("path/to/your/branches.geojson")

# ----------------------
# 2. 检查并统一坐标系（关键！）
# ----------------------
# 空间操作要求两个数据集使用相同的坐标系
print("州数据坐标系:", state_boundaries.crs)
print("分支机构数据坐标系:", branch_locations.crs)

# 如果坐标系不一致，将分支机构数据转换为州数据的坐标系
if branch_locations.crs != state_boundaries.crs:
    branch_locations = branch_locations.to_crs(state_boundaries.crs)

# ----------------------
# 3. 空间连接：匹配点所在的州
# ----------------------
# 使用"sjoin"将点数据与面数据连接，保留所有在州边界内的分支点
# how="inner" 只保留成功匹配到州的分支点；how="left"会保留所有分支（包括不在州内的）
branches_with_state = gpd.sjoin(
    branch_locations,
    state_boundaries,
    how="inner",
    predicate="within"  # 检查点是否在面内
)

# ----------------------
# 4. 获取特定州的分支机构
# ----------------------
# 替换为你想要查询的州名（注意和GeoJSON中州名字段一致，比如"name"或"state_name"）
target_state = "Texas"
# 筛选出目标州的所有分支
target_branches = branches_with_state[branches_with_state["state_name"] == target_state]

# 输出结果
print(f"目标州 {target_state} 内的分支机构数量: {len(target_branches)}")
print("\n分支机构详情:")
print(target_branches[["branch_name", "latitude", "longitude"]])  # 替换为你的分支数据字段

# （可选）统计所有州的分支机构数量
state_branch_counts = branches_with_state["state_name"].value_counts()
print("\n所有州的分支机构数量统计:")
print(state_branch_counts)

3. 新手常见注意事项 #

• 字段名匹配: 确保你使用的州名字段（比如state_name）和你的州GeoJSON中的实际字段名一致，可以用print(state_boundaries.columns)查看所有字段
• 坐标系问题: 如果跳过坐标系统一步骤，空间连接可能会出错或返回错误结果，EPSG:4326（WGS84，经纬度坐标系）是最常见的GeoJSON坐标系
• 数据路径: 替换代码中的"path/to/your/..."为你的实际文件路径（相对路径或绝对路径都可以）
• 大数据优化: 如果你的数据集非常大，可以考虑先简化州边界的几何形状（用state_boundaries.simplify(tolerance=0.01)）来加快空间连接速度

内容的提问来源于stack exchange，提问作者Adarsh