Geopandas

项目地址： https://github.com/geopandas/geopandas

官方文档： https://geopandas.readthedocs.io

官网： https://geopandas.org

最新版本： 1.2.0（截至 2026-10，PyPI）

许可证： BSD-3-Clause

概述

GeoPandas 是 Python 地理空间矢量数据处理的核心库，在 pandas DataFrame 基础上扩展了几何列支持。核心类 GeoDataFrame（继承 pandas.DataFrame）和 GeoSeries（继承 pandas.Series）通过 Shapely 提供几何运算、通过 pyproj 提供坐标系管理、通过 pyogrio/fiona 提供文件 IO。

环境准备

bashCopy code
# Conda / Mamba（推荐，自动处理 GEOS/PROJ/GDAL 二进制依赖）
# 推荐使用 conda-forge/miniforge 发行版（比 Anaconda 轻量）
conda install -c conda-forge geopandas

# pip（各依赖有预编译 wheel 时可独立安装）
pip install geopandas

# 可选依赖（绘图/交互地图/分类/Parquet 等）
pip install "geopandas[all]"

# 验证
python -c "import geopandas as gpd; gpd.show_versions()"

环境要求： Python >= 3.11（GeoPandas 1.2 起；1.0 为 >= 3.9）。

依赖关系

全局配置

pythonCopy code
import geopandas as gpd
gpd.options.display_precision  # int|None, WKT 小数位数 (0-16)
gpd.options.io_engine          # None|"pyogrio"|"fiona"

核心类（GeoSeries/GeoDataFrame）完整 API 参考见 reference/core-api.md

IO 模块

文件读写

pythonCopy code
gpd.read_file(filename, bbox=None, mask=None, columns=None, rows=None, engine=None, **kwargs)
gdf.to_file(filename, driver=None, schema=None, index=None, **kwargs)
gpd.list_layers(filename)  # → DataFrame (layer_name, geometry_type)

支持的文件格式（扩展名 → 驱动）：

引擎选项："pyogrio"（默认）或 "fiona"。支持所有 GDAL/OGR 驱动。

GeoParquet / Feather

pythonCopy code
gpd.read_parquet(path, columns=None, storage_options=None, bbox=None, **kwargs)
gpd.read_feather(path, columns=None, **kwargs)
gdf.to_parquet(path, compression="snappy", geometry_encoding="WKB",
               write_covering_bbox=False, schema_version=None, **kwargs)
gdf.to_feather(path, compression=None, schema_version=None, **kwargs)

GeoParquet 规范版本："1.0.0", "1.1.0" 等。几何编码："WKB"（默认）、"geoarrow"。

Arrow (GeoArrow)

pythonCopy code
gdf.to_arrow(geometry_encoding="WKB", interleaved=True, include_z=None)
GeoDataFrame.from_arrow(table, geometry=None, to_pandas_kwargs=None)
gs.to_arrow(geometry_encoding="WKB", interleaved=True, include_z=None)
GeoSeries.from_arrow(arr, **kwargs)

PostGIS

pythonCopy code
gpd.read_postgis(sql, con, geom_col="geom", crs=None, index_col=None, ...)
gdf.to_postgis(name, con, schema=None, if_exists="fail", index=False, ...)

需要：SQLAlchemy + GeoAlchemy2 + psycopg/psycopg2。

WKB/WKT 与坐标构造

pythonCopy code
gpd.points_from_xy(x, y, z=None, crs=None)  # → GeometryArray
GeoSeries.from_wkb(data, crs=None, on_invalid="raise")
GeoSeries.from_wkt(data, crs=None, on_invalid="raise")
GeoSeries.from_xy(x, y, z=None, crs=None)

工具模块 (tools)

空间连接

pythonCopy code
gpd.sjoin(left_df, right_df, how="inner", predicate="intersects",
          lsuffix="left", rsuffix="right", distance=None, on_attribute=None)

• how: "inner", "left", "right"
• predicate: "intersects", "within", "contains", "contains_properly", "overlaps", "crosses", "touches", "covers", "covered_by", "dwithin"
• on_attribute: 附加非空间连接过滤列名

最近邻空间连接

pythonCopy code
gpd.sjoin_nearest(left_df, right_df, how="inner", max_distance=None,
                  distance_col=None, exclusive=False)

空间叠加

pythonCopy code
gpd.overlay(df1, df2, how="intersection", keep_geom_type=None, make_valid=True)

• how: "intersection", "union", "identity", "symmetric_difference", "difference"

裁剪

pythonCopy code
gpd.clip(gdf, mask, keep_geom_type=False, sort=False)

• mask: GeoDataFrame、GeoSeries、(Multi)Polygon 或 (minx, miny, maxx, maxy) 元组

地理编码

pythonCopy code
gpd.tools.geocode(strings, provider=None, **kwargs)          # → GeoDataFrame
gpd.tools.reverse_geocode(points, provider=None, **kwargs)   # → GeoDataFrame

需要 geopy。默认 provider: "photon"。返回含 geometry 和 address 列的 GeoDataFrame。

其他工具

pythonCopy code
gpd.tools.collect(x, multi=False)  # 收集几何体为多部件
gpd.show_versions()                # 打印依赖版本信息

可视化

静态绑图 (matplotlib)

pythonCopy code
# GeoSeries
gs.plot(cmap=None, color=None, ax=None, figsize=None, aspect="auto")

# GeoDataFrame — 支持分级设色
gdf.plot(column=None, cmap=None, color=None, ax=None, figsize=None,
         legend=False, scheme=None, k=5, vmin=None, vmax=None,
         markersize=None, categories=None, classification_kwds=None,
         missing_kwds=None, legend_kwds=None, **style_kwds)

scheme 参数需要 mapclassify，支持 "quantiles", "equal_interval", "fisher_jenks" 等分类方案。

1.2 变化： 静态绘图被重写（大部分向后兼容）：legend_kwds={"colorbar": True} 可输出连续色带、tiles= 可直接叠加 contextily 底图、add_labels 控制坐标轴单位标签、分类绘图支持字典映射颜色；依赖内部 collections 结构的旧代码可能受影响。

交互式地图 (folium/leaflet)

pythonCopy code
gdf.explore(column=None, cmap=None, color=None, m=None,
            tiles="OpenStreetMap", tooltip=True, popup=False,
            categorical=False, legend=True, scheme=None, k=5,
            marker_type=None, marker_kwds={}, style_kwds={},
            tooltip_kwds={}, popup_kwds={}, legend_kwds={}, **kwargs)

典型工作流与常用模式

创建 GeoDataFrame

pythonCopy code
import geopandas as gpd
from shapely.geometry import Point, Polygon, LineString

# 从文件读取
gdf = gpd.read_file("data.shp")
gdf = gpd.read_file("data.gpkg", layer="my_layer")
gdf = gpd.read_parquet("data.parquet")

# 从字典创建
gdf = gpd.GeoDataFrame(
    {"name": ["A", "B"], "value": [1, 2],
     "geometry": [Point(0, 0), Point(1, 1)]},
    crs="EPSG:4326"
)

# 从 pandas DataFrame + 坐标列
import pandas as pd
df = pd.DataFrame({"lon": [116.4, 121.5], "lat": [39.9, 31.2], "city": ["北京", "上海"]})
gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.lon, df.lat), crs="EPSG:4326")

# 从 WKT/WKB
gs = gpd.GeoSeries.from_wkt(["POINT (0 0)", "POLYGON ((0 0, 1 0, 1 1, 0 1, 0 0))"], crs=4326)

# 从 GeoJSON FeatureCollection
gdf = gpd.GeoDataFrame.from_features(feature_collection["features"], crs="EPSG:4326")

CRS 操作

pythonCopy code
gdf = gdf.set_crs("EPSG:4326")          # 赋值 CRS（数据本身不变）
gdf = gdf.to_crs("EPSG:3857")           # 投影变换（坐标重算）
gdf = gdf.to_crs(epsg=32650)            # 按 EPSG 代码投影
utm = gdf.estimate_utm_crs()            # 自动检测 UTM 分区

注意：set_crs() 仅标记 CRS 不转换坐标；to_crs() 实际执行坐标变换。面积/距离计算前务必投影到适当的投影坐标系（如 UTM）。

空间分析

pythonCopy code
# 空间连接
joined = gpd.sjoin(points_gdf, polygons_gdf, how="inner", predicate="within")

# 最近邻连接
nearest = gpd.sjoin_nearest(gdf1, gdf2, max_distance=1000, distance_col="dist_m")

# 空间叠加
result = gpd.overlay(gdf1, gdf2, how="intersection")

# 裁剪
clipped = gpd.clip(gdf, mask_polygon)
clipped = gpd.clip(gdf, (xmin, ymin, xmax, ymax))  # 矩形快速裁剪

# 按属性融合
dissolved = gdf.dissolve(by="province", aggfunc="sum")

# 多部件炸开
exploded = gdf.explode(index_parts=False)

# 缓冲区、简化
gdf["buffer_100m"] = gdf.geometry.buffer(100)
gdf["simplified"] = gdf.geometry.simplify(tolerance=50)

几何谓词与度量

pythonCopy code
gdf.geometry.intersects(other_geom)    # Series[bool]
gdf.geometry.contains(other_geom)      # Series[bool]
gdf.geometry.within(other_geom)        # Series[bool]
gdf.geometry.distance(other_geom)      # Series[float]
gdf.geometry.area                      # Series[float]
gdf.geometry.length                    # Series[float]
gdf.geometry.centroid                  # GeoSeries
gdf.geometry.bounds                    # DataFrame
gdf.total_bounds                       # array [minx, miny, maxx, maxy]

数据输出

pythonCopy code
gdf.to_file("output.gpkg", driver="GPKG", layer="result")
gdf.to_file("output.geojson", driver="GeoJSON")
gdf.to_parquet("output.parquet")
geojson_str = gdf.to_json()
gdf.to_postgis("table_name", engine, if_exists="replace")

可视化

pythonCopy code
# 静态地图
ax = gdf.plot(column="population", cmap="YlOrRd", legend=True, figsize=(12, 8))

# 多图层叠加
ax = base_gdf.plot(color="lightgrey", figsize=(12, 8))
points_gdf.plot(ax=ax, color="red", markersize=5)

# 交互式地图
m = gdf.explore(column="population", cmap="viridis",
                tooltip=["name", "population"], tiles="CartoDB positron")

性能提示

• GeoParquet 比 Shapefile/GeoJSON 读写快 5-10 倍，优先使用
• 空间索引 .sindex 自动构建 STRtree，query() 和 nearest() 可大幅加速空间查询
• 矩形裁剪 clip_by_rect() 或 clip(gdf, (xmin,ymin,xmax,ymax)) 比多边形裁剪快
• pyogrio 引擎（默认）比 fiona 快 2-5 倍
• 大数据集用 read_file(rows=slice(0, 1000)) 先预览
• dissolve() 使用 method="coverage" 对已知不重叠的多边形更快
• 避免逐行循环几何操作，使用向量化方法（如 buffer(), intersection() 等）

常见问题

AI 使用建议

• 本技能的组织：主文件给高频用法，完整参数表与高级示例在 reference/core-api.md，需要时再展开；示例工程与生成的数据写到工作目录，不要改动技能目录本身。
• 执行环境：命令在终端 / shell 中执行（Windows 用 PowerShell）；不要假设 python 是 QGIS/GDAL 自带的解释器，先 python -c "import sys; print(sys.executable, sys.version)"。
• 先探测版本：python -c "import geopandas as gpd; print(gpd.__version__, gpd.options.io_engine)"；本技能按 1.2.0 / Python >= 3.11 编写，低版本会缺 to_arrow、to_parquet(geometry_encoding=...) 与 1.2 新绘图参数（tiles=、legend_kwds={"colorbar": True}），回答时说明差异而不是硬写。
• 检查依赖后端：python -c "import pyogrio, pyproj; print(pyogrio.__version__, pyproj.__version__, pyproj.datadir.get_data_dir())"；PROJ 数据目录缺失时 to_crs("EPSG:3857") 抛 CRSError: Invalid projection，装 pyproj/pyogrio 前先征得用户同意。
• 验证产物（必做）：写完立即重开核对，gdf = gpd.read_file("out.gpkg", layer="result"); print(gdf.crs, len(gdf), gdf.is_valid.all(), gdf.total_bounds)，并确认面积/长度是在投影坐标系下算的。
• 落图后看图：ax = gdf.plot(column="pop", legend=True, figsize=(12, 8)); ax.figure.savefig("map.png", dpi=100)（需 matplotlib），再打开该 PNG 检查范围、图例与空几何（能读图的环境可直接查看截图），不要只凭退出码报告成功。
• 典型误操：set_crs() 只标记不改坐标、to_file() 默认整表覆盖、to_postgis(if_exists="replace") 会删表重建——执行前确认目标路径/表名，Shapefile 字段名超 10 字符会被截断，改用 .gpkg。
• 安全：数据库连接串里的密码不要回显在命令输出里；pip install geopandas[all]、写入系统目录或覆盖生产数据前先得到用户确认。

相关技能

• shapely — 底层几何计算库：../shapely/SKILL.md
• gdal — 命令行数据处理：../gdal/SKILL.md
• pyqgis — QGIS Python 绑定：../pyqgis/SKILL.md
• postgis — 空间数据库：../postgis/SKILL.md
• geopipe-agent — AI 原生分析流水线：../geopipe-agent/SKILL.md

参考资源

• GitHub 仓库： https://github.com/geopandas/geopandas
• 官方文档： https://geopandas.readthedocs.io
• 官网： https://geopandas.org
• GeoParquet 规范： https://geoparquet.org/
• 中文教程（znlgis）： https://znlgis.github.io/gis/tutorial/geopandas/