如何用QGIS或Python为数据集A点生成1km半径并统计B点数量？

不管你偏好可视化操作还是代码自动化，用QGIS或者Python都能完美解决这个统计需求。下面分别给你详细拆解步骤：

方法一：用QGIS可视化操作实现 #

首先要注意：因为要计算1公里的距离，两个数据集必须使用投影坐标系（比如UTM这类以米为单位的坐标系），如果当前是经纬度的地理坐标系，先转投影（右键图层→导出→保存要素为，选择对应区域的投影坐标系即可）。

具体步骤：

1. 把数据集A和B都加载到QGIS中。
2. 打开「处理工具箱」（快捷键Ctrl+Alt+T），搜索「连接属性（按位置）」工具：
   • 输入图层：选择数据集A
   • 连接图层：选择数据集B
   • 几何谓词：勾选「在...的距离内」，输入1000（单位是米，对应1公里）
   • 连接设置：选择「统计连接图层中的匹配要素数量」，这个选项会自动给A的每个点新增一个count字段，就是你要的缓冲区内B点数量
   • 输出选择保存为新图层（建议不要直接修改原数据，避免误操作）
3. 完成后，新图层里的count字段就是每个A点1公里范围内B点的统计值啦。

方法二：用Python（GeoPandas）代码实现 #

如果需要批量处理或者集成到工作流里，用GeoPandas写代码会更高效。先确保安装了依赖库：

pip install geopandas shapely

然后跟着下面的代码步骤来：

import geopandas as gpd

# 加载你的两个数据集（支持shp、GeoJSON等常见格式）
gdf_a = gpd.read_file("你的数据集A路径")
gdf_b = gpd.read_file("你的数据集B路径")

# 统一坐标系为投影坐标系（这里示例用EPSG:32633，根据你的数据所在区域选对应的UTM带）
target_crs = "EPSG:32633"
if gdf_a.crs != target_crs:
    gdf_a = gdf_a.to_crs(target_crs)
if gdf_b.crs != target_crs:
    gdf_b = gdf_b.to_crs(target_crs)

# 给A的每个点生成1000米（1公里）缓冲区
gdf_a["buffer_1km"] = gdf_a.geometry.buffer(1000)
# 将缓冲区设为当前几何，方便空间连接
gdf_a_buffer = gdf_a.set_geometry("buffer_1km")

# 空间连接，找到每个缓冲区内的B点
joined_data = gpd.sjoin(gdf_a_buffer, gdf_b, how="left", predicate="contains")
# 按A的原始索引分组，统计每个缓冲区内B点的数量
counts = joined_data.groupby(joined_data.index).size().rename("b_point_count")

# 把统计结果合并回原A数据集
gdf_a = gdf_a.join(counts)
# 保存结果到文件（比如shp）
gdf_a.to_file("带统计值的数据集A路径.shp")

代码里的注释已经写得很清楚了，你只需要替换对应的文件路径和合适的投影坐标系就行。统计结果会存在b_point_count字段里，直接关联到A的每个点上。

内容的提问来源于stack exchange，提问作者Enrico Bergamini