组合 Geopandas 数据框中的行

Posted 2023-04-15

【中文标题】组合 Geopandas 数据框中的行

【英文标题】：Combining rows in a Geopandas Dataframe

【发布时间】：2021-08-13 01:40:38

【问题描述】：

TLDR：我正在尝试将 GeoPandas Dataframe 的行组合成一行，其中它们的形状组合成一个。

我目前正在从事一个小项目，该项目需要我使用几个不同的指标创建加拿大健康区域的交互式等值线图。

当我注意到行数不一样时，我合并了两个 Dataframe，一个包含每个健康区域的年度人口估计值，另一个包含健康区域的几何图形的 GeoDataframe。

经过进一步检查，我意识到我一直使用的两个数据集并未包含完全相同的健康区域。我得到的形状文件比人口数据有更多的健康区域，出于方法学的原因，人口数据合并了其中的一些。

在注意到差异后，我重新合并以显示差异，以便找出需要汇总的内容。

merged_gdf = gdf.merge(df, on='HR_UID') 
#HR_UID is just the name of the column with the codes for the health regions, since they   
#have slightly different names in different datasets, it's easier to merge on code.
print(list(set(df['HEALTH_REGION'])-set(merged_gdf['HEALTH_REGION_y'])),list(set(gdf['HR_UID'])-set(df['HR_UID'].unique())))

在这里，我看到缺少的健康区域是 ['Mamawetan/Keewatin/Athabasca, Saskatchewan']。 GeoDataframe 将这三个区域分开，代码为 4711、4712、4713，而人口数据将它们汇总到一个代码为 4714 的区域。

我打算组合我的 GeoDataframe 中与人口数据中组合的健康区域相对应的行，以组合它们的多边形。 我回到 GeoDataframe 尝试合并与这些区域对应的三行：

old_hr=gdf[gdf['HR_UID'].isin('4711','4712','4713')]

  HR_UID                                      HEALTH_REGION    SHAPE_AREA  \
31   4711  Mamawetan Churchill River Regional Health Auth...  1.282120e+11   
32   4712          Keewatin Yatthé Regional Health Authority  1.095536e+11   
33   4713                         Athabasca Health Authority  5.657720e+10   

       SHAPE_LEN                                           geometry  
31  1.707619e+06  POLYGON ((5602074.666 2364598.029, 5591985.366...  
32  1.616297e+06  POLYGON ((5212469.723 2642030.691, 5273110.000...  
33  1.142962e+06  POLYGON ((5248633.914 2767057.263, 5249285.640...  

现在我意识到我不确定如何在 GeoDataframe 中组合多边形。我尝试过使用dissolve(on='HEALTH_REGION')，虽然没有用。我花了一段时间在网上四处寻找，但到目前为止，我似乎找不到任何人问这个特定的问题 - 也许我错过了一些东西..

【参考方案1】：

事实证明，它实际上比我想象的要简单，而且我只是对数据框中的一些附加列感到困惑，这些列对于映射实际上并不是必需的。我是 Geopandas 和一般地图的新手，所以我没有意识到 SHAPE_AREA 和 SHAPE_LEN 实际上并不需要。

这是我用来导入没有额外列的数据框然后组合 3 个多边形的代码：

# if this is not "pythonic" let me know, I'm still a python rookie, but this  
# worked for me. 

gdf = gpd.read_file('data/HR_Boundary_Files/HR_000b18a_e.shp', encoding='utf-8').drop(columns='FRENAME', 'SHAPE_AREA','SHAPE_LEN')
gdf.rename(columns='ENGNAME':'HEALTH_REGION', inplace=True)
old_hr=gdf[gdf['HR_UID'].isin('4711','4712','4713')]
gdf=gdf[~gdf['HR_UID'].isin('4711','4712','4713')]
new_region_geometry = old_hr['geometry'].unary_union
gdf=gdf.append(pd.Series(['4714', 'Mamawetan/Keewatin/Athabasca Health Region', new_region_geometry], 
                         index=gdf.columns), ignore_index=True)

GeoSeries 的 unary_union 属性返回所有几何图形的并集，这为我提供了所需的新形状。我刚刚使用正确的区域名称和代码将其添加到数据框中，并删除了构成新区域的旧区域。