GeoPandas空间连接?Sjoin函数怎么用?

wowwwai GIS研习社 · 工具流程与项目排障

如果你正在搜索“GeoPandas空间连接?Sjoin函数怎么用?”，大概率是已经有两份矢量数据：一份点、线或面图层，另一份行政区、网格或缓冲区图层，希望把它们按照空间位置关系关联起来。GeoPandas 的 sjoin 函数就是 Python GIS 中最常用的空间连接工具，适合完成“点落在哪个面内”“道路穿过哪些区域”“地块与规划区是否相交”等任务。

引言：GeoPandas空间连接到底解决什么问题

在 GIS 项目中，属性表连接通常依赖共同字段，比如行政区代码、地块编号或道路 ID。但很多空间数据并没有可直接匹配的字段，这时就需要按照几何位置关系进行连接，这就是空间连接。

GeoPandas空间连接的核心场景包括：

• 把点数据匹配到所在行政区，例如门店点属于哪个区县。
• 统计每个面内包含哪些点，例如每个街道内有哪些 POI。
• 判断线与面是否相交，例如道路穿过哪些规划管控区。
• 把缓冲区分析结果与原始对象属性合并。

在 GeoPandas 中，这类工作主要通过 geopandas.sjoin() 完成。它看起来像 Pandas 的 merge，但连接依据不是普通字段，而是几何对象之间的空间关系。

背景：为什么不能直接用 Pandas merge 做空间连接

Pandas 的 merge 只能根据字段值连接表格，例如 id、name 或 code。而 GIS 数据中的很多关系并不写在字段里，而是隐藏在几何位置中。

例如你有两份数据：

• points：一批采样点，字段包括 sample_id、value。
• districts：区县面数据，字段包括 district_name、district_code。

如果采样点表中没有 district_code 字段，普通属性连接就无法知道每个点属于哪个区县。但只要点坐标落在某个区县面内，GeoPandas sjoin 就可以根据几何关系把区县属性连接到点上。

这也是 GeoPandas空间连接在空间数据清洗、空间统计、制图分区和空间分析自动化中非常常见的原因。

原理：sjoin函数根据空间谓词连接两个GeoDataFrame

sjoin 的基本思想是：输入两个 GeoDataFrame，比较左表几何与右表几何的空间关系，如果满足指定条件，就把右表属性连接到左表结果中。

常用语法如下：

import geopandas as gpd

result = gpd.sjoin(
    left_df,
    right_df,
    how="left",
    predicate="within"
)

几个参数必须理解清楚：

• left_df：左侧 GeoDataFrame，结果通常以它为主。
• right_df：右侧 GeoDataFrame，要被连接进来的图层。
• how：连接方式，可选 left、right、inner。
• predicate：空间谓词，也就是判断几何关系的条件。

常见 predicate 包括：

predicate	含义	常见用途
within	左侧几何在右侧几何内部	点落在哪个行政区内
contains	左侧几何包含右侧几何	面包含哪些点或小面
intersects	两个几何有任意相交	线穿过面、面与面重叠
touches	两个几何边界接触但内部不重叠	相邻地块、行政区邻接判断
crosses	一个几何穿过另一个几何	道路穿过区域
overlaps	同维度几何部分重叠	面与面局部重叠检查

实际使用时，GeoPandas sjoin 的结果还会自动生成 index_right 字段，用来记录匹配到的右表索引。这个字段常用于后续检查连接是否成功。

步骤：GeoPandas sjoin函数怎么用

步骤1：安装并导入GeoPandas

如果还没有安装 GeoPandas，可以使用 conda 或 pip。GIS 初学者更推荐 conda，因为它能更稳定地处理 GEOS、PROJ、GDAL 等底层空间库依赖。

conda install -c conda-forge geopandas

或使用 pip：

pip install geopandas

在 Python 脚本或 Jupyter Notebook 中导入：

import geopandas as gpd

步骤2：读取点图层和面图层

下面以“采样点连接到行政区面”为例。假设点数据是 samples.geojson，区县面数据是 districts.shp。

import geopandas as gpd

points = gpd.read_file("data/samples.geojson")
districts = gpd.read_file("data/districts.shp")

print(points.head())
print(districts.head())
print(points.crs)
print(districts.crs)

这里需要特别注意 crs，也就是坐标参考系。空间连接要求两个图层在同一个坐标系下，否则看起来代码能运行，但结果可能全部为空或错位。

步骤3：统一坐标系

如果两个图层坐标系不同，应把其中一个转换到另一个的坐标系。

if points.crs != districts.crs:
    points = points.to_crs(districts.crs)

这一步是 GeoPandas空间连接中最容易被忽略的步骤。尤其是一个图层是 WGS84 经纬度坐标，另一个图层是投影坐标时，必须先统一坐标系。

步骤4：执行点面空间连接

如果目标是判断每个点落在哪个行政区内，通常使用 predicate="within"。

joined = gpd.sjoin(
    points,
    districts[["district_name", "district_code", "geometry"]],
    how="left",
    predicate="within"
)

print(joined.head())

这段代码会把 district_name 和 district_code 连接到点数据上。how="left" 表示保留所有点，即使某些点没有落入任何行政区，也不会被删除。

步骤5：检查连接结果

不要只看代码有没有报错，还要检查结果是否合理。

print(joined[["sample_id", "district_name", "district_code", "index_right"]].head())

unmatched = joined[joined["index_right"].isna()]
print("未匹配点数量：", len(unmatched))

如果未匹配点数量很多，通常说明存在以下问题：

• 两个图层坐标系不一致。
• 点坐标本身有偏移或错误。
• 行政区面边界不完整。
• 点刚好落在面边界上，within 无法匹配。

步骤6：导出空间连接结果

确认结果无误后，可以导出为 GeoPackage、GeoJSON 或 Shapefile。推荐 GeoPackage，因为它支持较长字段名、中文字段和多图层管理，比 Shapefile 更稳妥。

joined.to_file("output/samples_with_district.gpkg", layer="samples_joined", driver="GPKG")

如果需要导出为 GeoJSON：

joined.to_file("output/samples_with_district.geojson", driver="GeoJSON")

步骤：面内点统计的sjoin用法

除了把行政区属性连接到点上，GeoPandas sjoin 也常用于统计每个面内有多少点。这里可以先完成点面连接，再按区县字段分组统计。

joined = gpd.sjoin(
    points,
    districts[["district_code", "district_name", "geometry"]],
    how="left",
    predicate="within"
)

count_table = joined.groupby("district_code").size().reset_index(name="point_count")

districts_count = districts.merge(count_table, on="district_code", how="left")
districts_count["point_count"] = districts_count["point_count"].fillna(0).astype(int)

districts_count.to_file("output/district_point_count.gpkg", layer="count", driver="GPKG")

这种写法适合制作“每个行政区 POI 数量”“每个网格事件数量”“每个管辖区采样点数量”等统计结果。

步骤：线面相交的sjoin用法

如果左表是道路、河流等线数据，右表是规划区、保护区等面数据，通常使用 predicate="intersects"。

roads = gpd.read_file("data/roads.gpkg")
zones = gpd.read_file("data/zones.gpkg")

if roads.crs != zones.crs:
    roads = roads.to_crs(zones.crs)

road_zone = gpd.sjoin(
    roads,
    zones[["zone_name", "zone_type", "geometry"]],
    how="inner",
    predicate="intersects"
)

road_zone.to_file("output/roads_intersect_zones.gpkg", layer="road_zone", driver="GPKG")

how="inner" 表示只保留与规划区相交的道路。如果你希望保留所有道路，并标记哪些道路与规划区相交，则应使用 how="left"。

常见坑：GeoPandas空间连接结果为空或不对

坑1：坐标系不同但没有to_crs

这是 GeoPandas空间连接最常见的问题。两个图层坐标系不同，几何坐标值不在同一空间中，连接结果自然不可靠。

print(points.crs)
print(districts.crs)

如果不同，使用：

points = points.to_crs(districts.crs)

注意：to_crs 是坐标转换，不是简单修改坐标系标签。如果数据本身没有 CRS，但你知道它真实坐标系，应先用 set_crs 正确指定，再进行 to_crs。

坑2：within和contains方向用反

within 和 contains 是有方向的。

• point within polygon：点在面内，常用于点连接面。
• polygon contains point：面包含点，常用于面查找点。

如果你写的是：

gpd.sjoin(points, districts, predicate="contains")

通常得不到想要的点面匹配结果，因为点不可能包含行政区面。点面连接更常见的写法是：

gpd.sjoin(points, districts, predicate="within")

坑3：点落在边界上导致within匹配不到

within 要求点严格在面内部。如果点刚好落在多边形边界上，可能不满足 within。这时可以考虑使用 intersects。

joined = gpd.sjoin(
    points,
    districts,
    how="left",
    predicate="intersects"
)

但要注意，边界点可能同时与两个相邻面相交，从而产生一对多结果。此时需要根据业务规则决定保留哪一个面。

坑4：空间连接出现重复记录

sjoin 并不保证一条左表记录只匹配一条右表记录。如果一个点落在多个重叠面内，或者一条线穿过多个面，结果会出现重复行。

检查重复的方法：

duplicated_count = joined.index.duplicated().sum()
print("重复匹配数量：", duplicated_count)

如果业务上只允许一对一匹配，需要进一步筛选，例如按面积、距离、优先级字段或行政层级选择唯一结果。

坑5：几何无效导致连接异常

面数据如果存在自相交、空几何或无效几何，空间连接可能结果异常。可以先检查：

print(districts.geometry.is_valid.value_counts())
print(districts.geometry.is_empty.value_counts())

常见修复方式：

districts["geometry"] = districts.geometry.buffer(0)

buffer(0) 可以修复部分简单无效面，但不是万能方法。对于复杂拓扑错误，建议在 QGIS 或 ArcGIS Pro 中使用几何修复工具进一步处理。

方法比较：sjoin、overlay、clip和普通merge怎么选

方法	连接依据	是否改变几何	适合场景
merge	字段值	不改变	根据行政代码、ID、名称连接属性表
sjoin	空间关系	通常保留左表几何	点落面、线面相交、面面关系匹配
overlay	空间叠加	会切割并生成新几何	面与面相交、交集、并集、差集分析
clip	裁剪范围	会裁剪几何	按研究区范围裁剪数据

简单判断可以这样记：

• 只是按字段合并属性，用 merge。
• 想按位置关系把属性带过来，用 sjoin。
• 需要生成相交后的新几何，用 overlay。
• 只想把数据裁到某个范围内，用 clip。

所以，GeoPandas sjoin函数适合“空间关系驱动的属性连接”，但不适合替代所有叠加分析。

检查清单：运行sjoin前后要确认什么

为了减少 GeoPandas空间连接结果出错，建议每次按下面清单检查。

运行前检查

• 两个输入对象都是 GeoDataFrame，并且都有 geometry 列。
• left_df.crs 和 right_df.crs 已经一致。
• 几何类型符合空间谓词逻辑，例如点面用 within 或 intersects。
• 没有大量空几何或无效几何。
• 右表只保留必要字段，避免结果字段过多。

运行后检查

• 查看 index_right 是否有大量空值。
• 检查结果行数是否异常增加。
• 抽样查看地图位置和属性是否匹配。
• 检查是否出现重复字段名后缀，例如 name_left、name_right。
• 确认导出格式是否支持字段名、中文和坐标系信息。

一个实用的检查模板如下：

print("左表数量：", len(points))
print("连接结果数量：", len(joined))
print("未匹配数量：", joined["index_right"].isna().sum())
print(joined.columns)

FAQ：GeoPandas空间连接常见问题

Q1：GeoPandas sjoin 和 ArcGIS 空间连接是一个意思吗？

概念上类似，都是根据空间关系把一个图层的属性连接到另一个图层。但 ArcGIS Pro 的空间连接工具提供更多图形界面参数，例如匹配选项、字段映射和汇总规则。GeoPandas sjoin 更适合 Python 自动化流程，灵活但需要自己处理统计、去重和结果验证。

Q2：GeoPandas sjoin 为什么提示 predicate 参数错误？

较老版本 GeoPandas 曾使用 op 参数，较新用法推荐 predicate。如果你的代码来自旧教程，可能会看到：

gpd.sjoin(points, districts, op="within")

现在更推荐写成：

gpd.sjoin(points, districts, predicate="within")

如果环境版本较旧，建议升级 GeoPandas，或查看当前版本文档确认参数名称。

Q3：点面空间连接用 within 还是 intersects？

如果点必须严格落在面内部，用 within。如果边界点也要算匹配，可以用 intersects。但 intersects 可能让边界点同时匹配多个相邻面，需要后续去重或制定归属规则。

Q4：sjoin 能不能直接统计每个面内有多少点？

sjoin 本身返回连接结果，不直接生成汇总表。但可以先用 sjoin 得到点与面的对应关系，再使用 Pandas 的 groupby 统计数量，最后再 merge 回面图层。

Q5：GeoPandas空间连接很慢怎么办？

首先确认已安装支持空间索引的依赖。GeoPandas 会利用空间索引减少几何比较次数。其次可以减少字段、裁剪研究区、过滤无关数据、简化过复杂的面几何。对于超大数据量，可以考虑 PostGIS 的 ST_Intersects、ST_Within 与空间索引来完成数据库级空间连接。

Q6：sjoin 后结果为什么比原始点数量多？

因为空间连接可能是一对多关系。一个点如果落在多个重叠面内，就会生成多条结果；一条线穿过多个面，也会重复出现。需要根据业务规则处理重复匹配，例如选择优先级最高的面，或保留全部关系用于统计。

结论：先选对空间谓词，再检查坐标系和结果

GeoPandas空间连接的关键不是只会写 gpd.sjoin()，而是理解它背后的空间关系。点面匹配常用 within，线面和面面关系常用 intersects，而 how 决定结果保留左表、右表还是只保留匹配记录。

在实际项目中，建议按固定流程操作：读取数据、检查 CRS、统一坐标系、选择合适的 predicate、执行 sjoin、检查 index_right 和结果行数，最后再导出成果。只要把这些环节做好，GeoPandas sjoin函数就能稳定完成大部分常见的 Python GIS 空间连接任务。