如何用Pandas/GeoPandas基于坐标生成新分组ID并保留原数据行？

没问题，我来一步步给你拆解怎么用Pandas实现这个需求，顺便聊聊GeoPandas的情况~

一、用Pandas实现的具体步骤 #

你的需求核心是坐标向上取整→按取整后坐标分组→分配唯一组ID，同时保留原数据的所有行和otherinfo字段，用Pandas完全可以轻松搞定，步骤如下：

1. 导入依赖并构造示例数据 #

先准备好基础环境和测试数据（你可以替换成自己的数据集）：

import pandas as pd
import numpy as np

# 构造和你结构一致的示例数据集
data = {
    'pointID': [1, 2, 3, 4, 5],
    'lat': [31.2, 31.5, 32.1, 31.5, 32.8],
    'lon': [120.3, 120.6, 120.6, 120.6, 120.9],
    'otherinfo': ['A', 'B', 'C', 'D', 'E']
}
df = pd.DataFrame(data)

2. 对lat和lon执行向上取整 #

这里用NumPy的np.ceil()，它支持向量化操作，比循环处理单个值效率高得多：

# 新增两列存储向上取整后的坐标
df['lat_ceil'] = np.ceil(df['lat'])
df['lon_ceil'] = np.ceil(df['lon'])

3. 按取整后的坐标分组并分配组ID #

这里有两种简洁的实现方式，选你顺手的就行：

方式一：用groupby().ngroup()（最简洁）

直接按取整后的两列分组，生成连续的组ID，加+1是让ID从1开始（默认从0开始）：

df['groupID'] = df.groupby(['lat_ceil', 'lon_ceil']).ngroup() + 1

方式二：用factorize()（灵活性更高）

先把取整后的坐标合并成元组，再通过编码生成唯一ID：

# 合并lat_ceil和lon_ceil为元组，再进行编码
df['groupID'] = pd.factorize(df[['lat_ceil', 'lon_ceil']].apply(tuple, axis=1))[0] + 1

4. 可选：清理中间列 #

如果不需要保留lat_ceil和lon_ceil这两个中间列，可以直接删掉：

df = df.drop(['lat_ceil', 'lon_ceil'], axis=1)

处理完成后，你的数据集会保留所有原始行和otherinfo，同时新增的groupID会把取整后坐标相同的点归为同一组。

二、GeoPandas是否更简便？ #

其实针对你当前的需求，GeoPandas并没有明显优势——因为核心操作是数值取整和分组编码，都是Pandas原生就能高效完成的功能，完全不需要用到GeoPandas的地理空间处理能力。

当然，如果你的后续工作还要涉及地理空间分析（比如空间连接、缓冲区生成、地图可视化等），那提前把lat/lon转成GeoDataFrame的geometry列会更方便，但单纯解决当前这个问题，用Pandas就足够简洁高效了，没必要额外引入GeoPandas。

内容的提问来源于stack exchange，提问作者sato