计算街道网络方向和熵的方法，可从shapefile中对各个多边形进行计算。

1. 读入shapefile文件，并将每个多边形化为面对象。
2. 对于每个面，通过Spatial Join操作获取相邻的道路线，计算这些道路线的角度并求出平均角度。
3. 对于每个面，根据概率计算其方向熵。
4. 将计算得到的方向熵存入CSV文件中。

代码示例：

import geopandas as gpd
import numpy as np
import pandas as pd
from shapely.geometry import Polygon, LineString

# 读入shapefile文件
df = gpd.read_file("example.shp")

# 定义计算角度的函数
def get_angle(line):
    coords = list(line.coords)
    x1, y1 = coords[0][0], coords[0][1]
    x2, y2 = coords[1][0], coords[1][1]
    angle = np.rad2deg(np.arctan2(y2-y1, x2-x1))
    return angle

# 定义计算方向熵的函数
def get_entropy(angle_list):
    prob = np.array([angle_list.count(i) for i in range(0, 360, 15)], dtype=float) / len(angle_list)
    return -np.sum(prob * np.log2(prob))

# 计算每个面的方向熵
result = []
for i in range(len(df)):
    poly = df.loc[i, "geometry"]
    neigh = df[df.touches(poly)]
    angles = []
    for j in range(len(neigh)):
        line = neigh.iloc[j].geometry
        if isinstance(line, LineString):
            angle = get_angle(line)
            angles.append(angle)
    mean_angle = np.mean(angles)
    poly_entropy = get_entropy(angles)
    result.append((i, mean_angle, poly_entropy))

# 将结果保存到CSV文件中
df_result = pd.DataFrame(result, columns=["id", "mean_angle", "poly_entropy"])
df_result.to_csv("result.csv", index=False)