（数据科学学习手札139）geopandas 0.11版本重要新特性一览

🚀 优质资源分享 🚀

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes

1 简介

大家好我是费老师，就在几天前，geopandas发布了其0.11.0正式版本，距离其上一个版本（0.10.2）发布已过去大半年，在这一次的新版本更新中又为我们带来了哪些重要的新特性呢，今天的文章中我就来带大家一探究竟😋。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Jd22dZLw-1656132767543)(https://img2022.cnblogs.com/blog/1344061/202206/1344061-20220625093327776-1309769198.svg)]

2 geopandas 0.11版本重要新特性一览

你可以在旧版本geopandas的基础上进行升级，也可以新建虚拟环境直接安装0.11.0版本，本着谨慎尝鲜的原则，我们可以使用下面的命令一口气完成新虚拟环境的创建、geopandas及其相关依赖的安装，并安装上jupyterlab作为IDE进行演示：

conda create -n geopandas-env python=3.8 -c https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main -y
conda activate geopandas-env
conda install geopandas=0.11.0 pygeos pyogrio -c conda-forge -y
pip install jupyterlab -i https://pypi.douban.com/simple/

终端里执行下列命令验证一下是否已正确安装：

python -c "import geopandas as gpd;print(gpd.\_\_version\_\_)"

　　一切准备就绪，下面我们来一览此次更新中比较重要的几个特性：

2.1 更快的矢量文件读写

新版本中为read_file()与to_file()引入了参数engine用于指定读写常见矢量文件基于的引擎，默认为原先的'fiona'，可选'pyogrio'，这是由geopandas开发团队维护的另一个库，可大幅度提升对常见矢量文件格式如shapefile的读写速度，以读取具有数百万个多边形的广州市全量建筑物轮廓数据为例，新的IO引擎带来近5倍的读取性能提升：

　　以及同样接近5倍的写出性能提升：

2.2 新增高性能矩形裁切方法clip_by_rect()

0.11中新增针对GeoSeries和GeoDataFrame的方法clip_by_rect(minx, miny, maxx, maxy)，可传入目标矩形坐标范围，快速裁切出矩形范围内的矢量，譬如我们基于前面已经读入的广州市建筑物轮廓数据，通过下面的函数随机生成边长10000米的矩形范围作为裁切素材：

import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import box# 计算得到目标GeoDataFrame范围
minx, miny, maxx, maxy = gdf.total_boundsdef generate\_random\_rectangle(minx, miny, maxx, maxy):'''研究范围内随机取得100000米边长矩形'''random_rectangle = [np.random.uniform(minx, maxx - 10000),np.random.uniform(miny, maxy - 10000)]return [*random_rectangle,random_rectangle[0] + 10000,random_rectangle[1] + 10000,]

调用clip_by_rect()：

　　返回的结果与原始矢量记录数量一致，其中呈现GEOMETRYCOLLECTION EMPTY的记录说明其与目标矩形没有交集，我们利用is_empty来反向筛选出发生裁切的矢量记录：