使用Dask连接GeoDataFrame时遇AttributeError: '_example'属性缺失问题

你尝试用Dask处理两个GeoDataFrame的空间连接时遇到了上述错误，先梳理下你的代码和报错信息：

你的代码： #

import dask.dataframe as dd 
import dask_geopandas as dg 
import pandas as pd 
import dask 
# 注：代码遗漏了geopandas的导入
df1= gpd.read_file("shapefile1.shp") 
df2= gpd.read_file("shapefile2.shp") 
df1= dd.from_pandas(df1, npartitions=1) 
df2= dd.from_pandas(df2, npartitions=1) 
gf2 = dg.sjoin(df1, df2, how='inner', op='intersects') 

报错堆栈： #

Traceback (most recent call last): 
File "test.py", line 21, in <module> 
gf2 = dg.sjoin(df1, df2, how='inner', op='intersects') 
File "/usr/local/lib/python3.6/dist-packages/dask_geopandas-0.0.1-py3.6.egg/dask_geopandas/core.py", line 413, in sjoin 
example = gpd.tools.sjoin(left._example, right._example, how=how, op=op) 
File "/home/mapseeuser/.local/lib/python3.6/site-packages/dask/dataframe/core.py", line 2414, in __getattr__ 
raise AttributeError("'DataFrame' object has no attribute %r" % key) 
AttributeError: 'DataFrame' object has no attribute '_example'

错误原因分析 #

问题核心出在这两行转换代码：

df1= dd.from_pandas(df1, npartitions=1) 
df2= dd.from_pandas(df2, npartitions=1) 

你用普通Dask DataFrame的dd.from_pandas方法，把GeoDataFrame转换成了普通Dask DataFrame，但dask_geopandas.sjoin要求传入的是Dask GeoDataFrame对象。普通Dask DataFrame没有_example这个专属属性（该属性用于存储Dask GeoDataFrame的空间元数据），因此触发了这个属性错误。另外代码还遗漏了geopandas的导入，这也是需要补上的细节。

修正后的解决方案 #

要将GeoDataFrame转为Dask GeoDataFrame，必须使用dask_geopandas.from_pandas方法，而不是普通的dd.from_pandas。修正后的完整代码如下：

import geopandas as gpd
import dask_geopandas as dg

# 读取本地shapefile为GeoDataFrame
df1 = gpd.read_file("shapefile1.shp")
df2 = gpd.read_file("shapefile2.shp")

# 将GeoDataFrame转换为Dask GeoDataFrame（保留空间属性）
dask_gdf1 = dg.from_pandas(df1, npartitions=1)
dask_gdf2 = dg.from_pandas(df2, npartitions=1)

# 执行空间连接操作
result_gdf = dg.sjoin(dask_gdf1, dask_gdf2, how='inner', op='intersects')

# 若需要将Dask结果转为普通GeoDataFrame，可调用compute()
final_result = result_gdf.compute()

补充说明： #

• dask_geopandas.from_pandas会完整保留原始GeoDataFrame的空间列、CRS等元数据，确保dg.sjoin能正常识别并使用_example属性完成空间逻辑。
• 如果处理的是超大规模数据集，可以根据机器性能调整npartitions的数值，让Dask实现并行计算；小数据集用npartitions=1即可。

内容的提问来源于stack exchange，提问作者Tequila