如何在Python中创建地理网格分区并统计坐标点数量？

嘿，这个需求用 Pandas 就能高效搞定，完全不用费劲写循环～我平时处理这种网格分区统计的需求，都是用向量化操作+分组统计的思路，既简洁又高效，尤其适合大数据量的场景。下面一步步给你讲怎么实现：

1. 先定义网格参数 #

首先得确定你的网格大小，比如你想把区域分成 0.1°×0.1° 的网格，那就设定对应的步长。这个参数可以根据你的需求随便调：

# 自定义网格步长，比如0.1度（可根据实际需求修改）
lat_step = 0.1
lon_step = 0.1

如果你的目标是特定区域，还可以先筛选出该区域内的坐标，避免处理无关数据：

# 假设目标区域是纬度30°-40°，经度100°-120°，先过滤数据
min_lat, max_lat = 30.0, 40.0
min_lon, max_lon = 100.0, 120.0
filtered_df = df[(df['Latitude'].between(min_lat, max_lat)) & 
                 (df['Longitude'].between(min_lon, max_lon))]

2. 给每个坐标分配网格ID #

接下来用向量化计算，给每个坐标打上所属网格的标签。这里用向下取整的方式，确保每个网格是左闭右开的区间，避免坐标点重复统计：

# 计算每个坐标对应的网格基准点
filtered_df['lat_grid'] = (filtered_df['Latitude'] // lat_step) * lat_step
filtered_df['lon_grid'] = (filtered_df['Longitude'] // lon_step) * lon_step

# 把网格的经纬度合并成一个唯一ID（也可以直接用两个列分组，看你需求）
filtered_df['grid_id'] = filtered_df.apply(lambda row: f"({row['lat_grid']:.1f}, {row['lon_grid']:.1f})", axis=1)

💡 小技巧：如果担心浮点数精度问题（比如0.1在二进制里是无限循环小数），可以把坐标转成整数计算：

# 比如保留1位小数，转成整数后再处理
precision = 1
filtered_df['lat_grid'] = (filtered_df['Latitude'] * 10**precision).astype(int)
filtered_df['lat_grid'] = (filtered_df['lat_grid'] // 10**precision) / 10**precision
# 经度同理
filtered_df['lon_grid'] = (filtered_df['Longitude'] * 10**precision).astype(int)
filtered_df['lon_grid'] = (filtered_df['lon_grid'] // 10**precision) / 10**precision

3. 统计每个网格的坐标点数量 #

最后用Pandas的groupby分组统计，一步得到结果：

# 方式1：按grid_id分组统计
grid_point_count = filtered_df.groupby('grid_id').size().reset_index(name='point_count')

# 方式2：按lat_grid和lon_grid分组（更方便后续做空间可视化）
grid_point_count = filtered_df.groupby(['lat_grid', 'lon_grid']).size().reset_index(name='point_count')

• 性能拉满：全程用Pandas的向量化操作，比你循环处理zip(lat, lon)快N倍，尤其是数据量上万甚至百万级的时候，差距特别明显；
• 灵活可调：改个步长参数就能切换网格大小，适配不同的需求；
• 结果易用：统计后的DataFrame可以直接用来做热力图、散点图等可视化，或者导出成其他格式。

内容的提问来源于stack exchange，提问作者E. Lutins