GeoPandas如何筛选点？空间查询实战（附：源码）

引言：为什么你的空间查询总是那么慢？

在地理信息系统（GIS）和数据分析领域，“判断哪些点在某个区域内”（Point in Polygon）是最基础但也最令人头疼的需求之一。想象一下，你手头有数百万条出租车轨迹数据（点），你需要筛选出所有位于“市中心”区域（面）的记录。

很多初学者会尝试使用 Python 的 `for` 循环配合 Shapely 库逐个判断。结果呢？代码运行了几个小时还没结束。这种效率在处理大规模空间数据时是完全不可接受的。

本文将带你深入 GeoPandas 的核心功能，教你如何通过向量化操作和空间索引（R-tree），在几秒钟内完成百万级数据的空间筛选。我们将通过实战代码演示，从基础的布尔索引到高效的空间连接（Spatial Join），彻底解决你的性能瓶颈。

核心实战一：数据准备与基础筛选逻辑

在进行复杂的空间操作之前，理解数据结构至关重要。GeoPandas 的核心数据结构是 GeoDataFrame，它在 pandas DataFrame 的基础上增加了一列几何对象（Geometry）。

我们要解决的场景是：有一组随机分布的 GPS 点数据，和一个表示行政区划的多边形数据。目标是保留多边形内部的点。

1. 加载数据与检查坐标系

首先，必须确保点数据和面数据处于同一个坐标参考系（CRS）。这是新手最容易犯的错误，如果坐标系不一致，所有的空间查询都会失效。

# 伪代码逻辑演示
import geopandas as gpd

# 读取数据
points = gpd.read_file('points.shp')
polygons = gpd.read_file('districts.shp')

# 关键步骤：统一坐标系
if points.crs != polygons.crs:
points = points.to_crs(polygons.crs)

2. 方法 A：使用 .within() 进行布尔索引

这是最符合直觉的方法。GeoPandas 允许我们直接对几何列进行逻辑判断。`within` 方法会返回一个布尔序列（True/False），告诉我们要保留哪些行。

适用场景： 当你只有一个多边形（例如只筛选“朝阳区”的数据），或者数据量较小（几千条）时，这种方法简单直接。

• 步骤 1：选取目标多边形对象（例如取出第一行数据）。
• 步骤 2：使用 points.geometry.within(polygon_geometry) 生成掩码。
• 步骤 3：将掩码应用到 GeoDataFrame 进行切片。

核心实战二：使用 sjoin 进行高效空间连接（推荐）

当面对多个多边形（例如筛选出分别位于北京16个区的所有点，并标记区名）或海量数据时，上述方法效率极低。这时，sjoin (Spatial Join) 是唯一的王者。

GeoPandas 的 `sjoin` 利用了底层 R-tree 空间索引，不需要逐个计算距离，性能通常提升 100 倍以上。

操作步骤详解

1. 准备数据：确保左右两个 GeoDataFrame 都有定义的 CRS。
2. 执行连接：调用 gpd.sjoin(points, polygons, how='inner', predicate='within')。
3. 参数解析：
   • how='inner'：只保留匹配成功的点（即在多边形内的点）。
   • predicate='within'：指定空间关系判定条件（点在面内）。
4. 结果处理：返回的新表中，不仅保留了点的属性，还自动附带了它所属多边形的属性（如区域名称）。

方法对比：.within() vs sjoin()

核心实战三：使用 .clip() 进行裁剪

除了查询，有时我们需要的是“裁剪”。`clip` 函数类似于 GIS 软件中的裁剪工具。它不仅筛选数据，还会修改几何形状。

例如，如果一条线跨越了多边形边界，`sjoin` 会保留整条线，而 `clip` 会把线切断，只保留多边形内部的那一段。

代码逻辑： gpd.clip(gdf, mask)。其中 `mask` 是你的多边形 GeoDataFrame。这在制图时非常有用，可以保持地图边缘整洁。

扩展技巧：避坑指南与性能优化

1. 警惕 CRS 的“隐形杀手”

很多时候代码不报错，但结果为空。90% 的原因在于：一个数据是经纬度（EPSG:4326），另一个是投影坐标（如 EPSG:3857）。在执行 `sjoin` 之前，务必打印 `.crs` 属性进行检查。建议在计算前统一转换为投影坐标系（以米为单位），这样计算更精确。

2. 手动构建索引加速

虽然 `sjoin` 会自动创建索引，但在进行极高频次的查询时，你可以通过 PyGEOS（现已集成到 Shapely 2.0）后端来进一步加速。确保你的环境安装了最新版的 GeoPandas 和 Shapely，系统会自动开启向量化加速。

FAQ：关于 GeoPandas 筛选的高频问答

Q1: 为什么我的 sjoin 运行非常慢？

A: 首先检查是否安装了 `rtree` 库（`pip install rtree`）。如果没有空间索引库支持，GeoPandas 可能会回退到慢速算法。其次，检查数据量，如果多边形极其复杂（节点数过多），建议先使用 `.simplify()` 简化多边形几何形状。

Q2: 如何筛选出“距离某点 500 米以内”的所有点？

A: 不要直接算距离。最高效的方法是：先对目标点建立一个 500 米的缓冲区（buffer），将其转换为多边形，然后使用本文介绍的 sjoin 或 .within() 方法筛选落在该缓冲区内的点。

Q3: predicate 参数中的 'intersects' 和 'within' 有什么区别？

A: `within` 要求点完全在多边形内部（不包括边界）。`intersects` 则更宽容，只要点在内部或者在边界上接触，都算匹配成功。对于点数据，两者结果通常一致；但对于线或面数据，`intersects` 会包含相交但不完全包含的情况。

总结

掌握 GeoPandas 的空间筛选是进行 Python 地理数据分析的入门券。对于绝大多数“点在面内”的业务场景，请毫不犹豫地选择 `sjoin`。

它不仅代码简洁，更重要的是利用了空间索引技术，能够支撑工业级的数据规模。下次当你的同事还在写 `for` 循环判断坐标时，不妨把这篇文章分享给他，用几行代码解决战斗。