geopandasUse when performing vector spatial data analysis in Python — reading/writing shapefiles, spatial joins, overlay operations, choropleth maps. GeoPandas: extends pandas DataFrames with geometry columns for Pythonic spatial analysis.
Independent GitHub snapshot · Automated classification · Original documentation governs
name: geopandas description: "Use when performing vector spatial data analysis in Python — reading/writing shapefiles, spatial joins, overlay operations, choropleth maps. GeoPandas: extends pandas DataFrames with geometry columns for Pythonic spatial analysis." tags:
项目地址： https://github.com/geopandas/geopandas
官方文档： https://geopandas.readthedocs.io
许可证： BSD-3-Clause
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。
| 核心依赖 | 最低版本 | 用途 |
|---|---|---|
pandas | >= 2.0.0 | DataFrame 基类 |
shapely | >= 2.0.0 | 几何对象与运算 (GEOS) |
pyproj | >= 3.5.0 | CRS 处理与坐标变换 |
pyogrio | >= 0.7.2 | 默认文件 IO 引擎 (GDAL/OGR) |
numpy | >= 1.24 | 数组运算 |
| 可选依赖 | 用途 |
|---|---|
matplotlib >= 3.7 | 静态地图绘制 .plot() |
folium | 交互式地图 .explore() |
mapclassify >= 2.5 | 分级设色分类方案 |
fiona >= 1.8.21 | 备选文件 IO 引擎 |
pyarrow >= 10.0.0 | Parquet/Feather/Arrow 支持 |
geopy | 地理编码 |
SQLAlchemy >= 2.0 + GeoAlchemy2 | PostGIS 读写 |
xyzservices | 瓦片底图服务 |
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
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）：
| 扩展名 | 驱动 |
|---|---|
.shp | ESRI Shapefile |
.json, .geojson | GeoJSON |
.geojsonl, .geojsons | GeoJSONSeq |
.gpkg | GPKG (GeoPackage) |
.gml, .xml | GML |
.gpx | GPX |
.csv | CSV |
.fgb | FlatGeobuf |
.dxf | DXF |
.tab, .mif, .mid | MapInfo File |
引擎选项："pyogrio"（默认）或 "fiona"。支持所有 GDAL/OGR 驱动。
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"。
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)
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。
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)
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gpd.sjoin_nearest(left_df, right_df, how="inner", max_distance=None,
distance_col=None, exclusive=False)
gpd.overlay(df1, df2, how="intersection", keep_geom_type=None, make_valid=True)
how: "intersection", "union", "identity", "symmetric_difference", "difference"gpd.clip(gdf, mask, keep_geom_type=False, sort=False)
mask: GeoDataFrame、GeoSeries、(Multi)Polygon 或 (minx, miny, maxx, maxy) 元组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。
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
# 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。
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)
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")
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)
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]
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")
# 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")
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 面积/距离为 0 或极小 | CRS 为地理坐标系 (度) | gdf.to_crs(gdf.estimate_utm_crs()) 后计算 |
sjoin 无结果 | 两个 GDF 的 CRS 不一致 | 统一 CRS：gdf2 = gdf2.to_crs(gdf1.crs) |
ValueError: GeoDataFrame does not support multiple columns using the geometry column name 'geometry' | 多个列名为 geometry | 重命名冲突列或使用 set_geometry() 指定 |
to_file 属性被截断 | Shapefile 字段名限制 10 字符 | 使用 GeoPackage (.gpkg) 或 GeoJSON |
set_crs vs to_crs 混淆 | set_crs 仅赋值不转换 | 已有 CRS 需要转换用 to_crs()；无 CRS 标记用 set_crs() |
| Shapefile 不支持空值/日期时间 | Shapefile 格式限制 | 使用 GeoPackage 格式 |
DriverError 无法写入 | 驱动不支持或文件被占用 | 检查驱动名拼写、关闭已打开的文件 |
align=True 导致意外 NaN | 二元操作默认按索引对齐 | 传入 align=False 或重置索引 |
gpd.read_file() 读取矢量文件，或 gpd.read_parquet() 读取 GeoParquetgdf.crs，需要在投影坐标系（非地理坐标系）下进行面积/距离计算gpd.sjoin() 进行空间连接，gpd.overlay() 进行叠加分析，gpd.clip() 进行裁剪.plot() 快速静态出图，.explore() 生成交互式地图gdf.to_file() 或 gdf.to_parquet() 保存结果，优先使用 GeoPackage 或 GeoParquet 格式set_crs() vs to_crs()：set_crs() 仅标记坐标系不转换坐标，to_crs() 执行实际坐标变换——切勿混用gdf.to_crs(gdf.estimate_utm_crs()) 投影后再计算sjoin、overlay、clip 的所有 GeoDataFrame 使用相同 CRSbuffer()、intersection() 等）批量处理.sindex 自动维护 STRtree，query() 和 nearest() 可大幅加速空间查询.sindex 自动构建 STRtree，query() 和 nearest() 可大幅加速空间查询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buffer(), intersection() 等）