本文完整程式碼及附件已上傳至我的
Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes
1 簡介
大家好我是費老師，就在昨天，Python生態中著名的GIS分析庫geopandas釋出了其1.0.0正式版本。
歷經10年迭代升級，geopandas充分完善了其在GIS資料分析上的功能，使得我們可以使用類似pandas的操作方式，便捷且高效能的開展各種常用的GIS分析運算，極大增強了Python在GIS分析領域的能力。
今天的文章，費老師我就將帶大家一起快速瞭解在全新的1.0版本中，新的功能特性、最佳化提升以及相關API的變動情況🚀~
2 geopandas 1.0版本介紹
如果你還未曾安裝使用過geopandas，我最推薦的方式是新建虛擬環境，並在虛擬環境中透過conda-forge源進行穩定安裝，以當下非常流行的開源環境管理工具mamba（可參考我所寫的教程）為例，在終端執行下列命令（目前推薦Python版本為3.9），靜靜等待，即可一步到位完成最新版geopandas的安裝：
mamba create -n geopandas-env python=3.9 -y && mamba activate geopandas-env && mamba install geopandas -y
而如果你已經安裝了先前版本的geopandas，那麼在你的對應環境下，終端執行下列命令即可進行版本升級：
mamba update geopandas -y
新安裝或升級完成後，檢查一下版本變化，成功升級到1.0.0版本🥳：
2.1 新增API介紹
首先我們來了解一下新版本geopandas中新增的部分主要的API：
2.1.1 新增count_geometries()方法
新增方法count_geometries()，用於針對多部件要素計算單體要素數量：
2.1.2 新增count_interior_rings()方法
新增方法count_interior_rings()，用於針對多邊形要素計算內環數量：
2.1.3 新增relate_pattern()方法
新增方法relate_pattern()，用於計算要素之間是否滿足特定的DE-9IM（一種分別計算成對要素在內部、邊界、外部兩兩之間相交相離狀態的複雜空間模型）空間關係，具體的原理細節較多，我會在之後單獨撰文介紹，下面僅演示relate_pattern()的使用示例：
2.1.4 新增intersection_all()方法
新增方法intersection_all()，用於計算向量列中全體要素的公共相交部分：
2.1.5 新增line_merge()方法
新增方法line_merge()，用於快速合併一系列端點相交的線要素：
2.1.6 新增set_precision()、get_precision()方法
新增方法set_precision()、get_precision()，用於設定及獲取向量列的座標精度大小：
2.1.7 新增count_coordinates()方法
新增方法count_coordinates()，用於快速計算向量列各要素座標點數量：
2.1.8 新增is_ccw屬性方法
新增屬性方法is_ccw，用於針對座標點數量大於等於4個的線要素，判斷其座標串方向是否符合逆時針方向：
2.1.9 新增is_closed屬性方法
新增屬性方法is_closed，用於判斷線要素是否起點終點相同：
2.1.10 新增force_2d()、force_3d()方法
新增方法force_2d()、force_3d()，用於將向量列強制去除z軸座標、強制新增z軸座標：
2.1.11 新增voronoi_polygons()方法
新增方法voronoi_polygons()，用於基於整體向量列的所有頂點，快速生成泰森多邊形：
2.1.12 新增contains_properly()方法
新增方法contains_properly()，用於快捷判斷向量A是否嚴格包含向量B，與contains()方法的區別是，contains_properly()不允許作比較的向量間有任何公共點：
2.1.13 新增build_area()方法
新增方法build_area()，用於基於一系列可以構成閉合面要素的線要素，整體生成合法的若干多邊形：
2.1.14 新增snap()方法
新增方法snap()，用於將滿足距離閾值要求的要素A掛靠到對應的要素B之上：
2.1.15 新增transform()方法
新增方法transform()，用於基於自定義座標偏移函式，實現對向量要素的座標轉換，其中自定義函式的輸入為N行2列後N行3列的numpy陣列，輸出形狀與輸入一致即可，我們可以配合numpy中的apply_along_axis()實現自由的座標點級別轉換計算，而無需關心輸入的要素是點線面中的哪種：
2.1.16 新增get_geometry()方法
新增方法get_geometry()，用於將向量列各要素視作多部件要素，進行快捷位序索引：
2.1.17 新增dwithin()方法
新增方法dwithin()，用於快速判斷向量A是否在向量B目標的指定距離內：
2.1.18 新增to_geo_dict()方法
新增方法to_geo_dict()，用於將GeoDataFrame快捷轉化為GeoJSON格式字典資料結構：
2.2 功能增強
接下來我們來了解新版本中獲得功能增強的一些主要API：
2.2.1 空間連線新增dwithin型空間關係判斷
針對sjoin()方法，新增了dwithin型空間關係判斷，使得我們可以在geopandas中真正意義上直接實現“匹配與目標要素距離在XXX以內的紀錄行”：
2.2.2 配合pd.read_csv指定向量列型別
在新版本中，我們可以將GeoDataFrame寫出為csv格式，並在使用pd.read_csv()讀取時，透過dtype引數將對應列指定解析為向量型別：
2.2.3 to_json()新增引數show_bbox、drop_id、to_wgs84
針對GeoDataFrame.to_json()，新增引數show_bbox、drop_id、to_wgs84，實現更為定製化的GeoJSON轉化：
demo_gdf = gpd.GeoDataFrame(
{
'name': ['示例要素'],
'geometry': [Point(106, 29)]
},
crs='EPSG:4524'
)
print(demo_gdf.to_json(
ensure_ascii=False,
indent=4,
show_bbox=True,
drop_id=True,
to_wgs84=False
))
2.2.4 空間連線新增引數on_attribute
針對GeoDataFrame.sjoin()，新增引數on_attribute，用於額外施加常規表連線中的指定欄位相等條件，相當於設定有效的on_attribute引數後，空間連線的結果將既滿足空間關係，又滿足欄位匹配關係：
2.3 標記為廢棄的API
新版本中也新增了一系列標記為廢棄的API，將會在未來某個版本正式移除，請注意及時調整你的相關程式碼邏輯，其中主要的有：
unary_union將廢棄，更換為union_all()
use_pygeos將廢棄並在1.1版本中正式移除
由於pygeos已經合併入geopandas底層向量計算所依賴的新版shapely中，因此對應的use_pygeos設定項也將退出歷史舞臺：
crs屬性賦值以修改座標系的方式將在未來版本被禁用，請統一使用set_crs()代替
篇幅有限，未能詳盡介紹全部新版本內容，完整的更新日誌請移步：https://github.com/geopandas/geopandas/releases/tag/v1.0.0
以上就是本文的全部內容，歡迎在評論區與我們進行討論~