QGIS, ArcGIS, PostGIS, vb. Olmadan Python'a Daha Verimli Mekansal katılım

Buradaki örnekte olduğu gibi mekansal bir birleşme yapmaya çalışıyorum: "Konumlara göre niteliklere katılmak" için bir python seçeneği var mı?. Ancak, bu yaklaşım gerçekten yetersiz / yavaş görünüyor. Bunu mütevazı bir 250 puanla çalıştırmak bile 2 dakika sürüyor ve tamamen> 1000 puan olan şekil dosyalarında başarısız oluyor. Daha iyi bir yaklaşım var mı? Bunu ArcGIS, QGIS vb. Kullanmadan tamamen Python'da yapmak istiyorum.

Ayrıca bir çokgenin içine giren tüm noktaların SUM özniteliklerinin (yani popülasyonunun) TOPLANMASI mümkün olup olmadığını bilmek ve bu miktarı çokgen şekil dosyasına birleştirmenin mümkün olup olmadığını bilmek isterim.

İşte dönüştürmeye çalıştığım kod. 9. satırda hata alıyorum:

poly['properties']['score'] += point['properties']['score']

ki diyor ki:

TypeError: + =: 'NoneType' ve 'float' için desteklenmeyen işlenen türleri.

Eğer "+ =" yerine "=" koyarsam iyi çalışır ancak bu alanları toplamaz. Bunları tamsayı olarak yapmaya çalıştım ama bu da başarısız oldu.

with fiona.open(poly_shp, 'r') as n: 
  with fiona.open(point_shp,'r') as s:
    outSchema = {'geometry': 'Polygon','properties':{'region':'str','score':'float'}}
    with fiona.open (out_shp, 'w', 'ESRI Shapefile', outSchema, crs) as output:
        for point in s:
            for poly in n:
                if shape(point['geometry']).within(shape(poly['geometry'])):  
                    poly['properties']['score']) += point['properties']['score'])
                    output.write({
                        'properties':{
                            'region':poly['properties']['NAME'],
                            'score':poly['properties']['score']},
                        'geometry':poly['geometry']})

Fiona Python sözlüklerini döndürür ve poly['properties']['score']) += point['properties']['score'])bir sözlükle kullanamazsınız .

Mike T tarafından verilen referansları kullanarak toplama özelliklerinin örneği:

# read the shapefiles 
import fiona
from shapely.geometry import shape
polygons = [pol for pol in fiona.open('poly.shp')]
points = [pt for pt in fiona.open('point.shp')]
# attributes of the polygons
for poly in polygons:
   print poly['properties'] 
OrderedDict([(u'score', 0)])
OrderedDict([(u'score', 0)])
OrderedDict([(u'score', 0)])

# attributes of the points
for pt in points:
    print i['properties']
 OrderedDict([(u'score', 1)]) 
 .... # (same for the 8 points)

Şimdi, uzamsal bir dizini olsun ya da olmasın iki yöntem kullanabiliriz:

1) olmadan

# iterate through points 
for i, pt in enumerate(points):
     point = shape(pt['geometry'])
     #iterate through polygons
     for j, poly in enumerate(polygons):
        if point.within(shape(poly['geometry'])):
             # sum of attributes values
             polygons[j]['properties']['score'] = polygons[j]['properties']['score'] + points[i]['properties']['score']

2) bir R-ağacı indeksi ile ( pyrtree veya rtree kullanabilirsiniz )

# Create the R-tree index and store the features in it (bounding box)
 from rtree import index
 idx = index.Index()
 for pos, poly in enumerate(polygons):
       idx.insert(pos, shape(poly['geometry']).bounds)

#iterate through points
for i,pt in enumerate(points):
  point = shape(pt['geometry'])
  # iterate through spatial index
  for j in idx.intersection(point.coords[0]):
      if point.within(shape(multi[j]['geometry'])):
            polygons[j]['properties']['score'] = polygons[j]['properties']['score'] + points[i]['properties']['score']

İki çözümle sonuçlandırın:

for poly in polygons:
   print poly['properties']    
 OrderedDict([(u'score', 2)]) # 2 points in the polygon
 OrderedDict([(u'score', 1)]) # 1 point in the polygon
 OrderedDict([(u'score', 1)]) # 1 point in the polygon

Fark ne ?

• Dizin olmadan, tüm geometrileri yinelemelisiniz (çokgenler ve noktalar).
• Sınırlayıcı bir uzamsal dizinle ( Spatial Index RTree ), yalnızca geçerli geometrinizle kesişme şansı olan geometrileri yinelersiniz (önemli miktarda hesaplama ve zaman kazandıran 'filtre' ...)
• ancak Mekansal Bir Endeks sihirli bir değnek değildir. Veri setinin çok büyük bir kısmının alınması gerektiğinde, bir Mekansal Endeksi herhangi bir hız avantajı sağlayamaz.

Sonra:

schema = fiona.open('poly.shp').schema
with fiona.open ('output.shp', 'w', 'ESRI Shapefile', schema) as output:
    for poly in polygons:
        output.write(poly)

Daha ileri gitmek için, OGR, Düzgün, Fiona ile Rtree Spatial Indexing'i Kullanma konusuna bakın.

Ek olarak - artık coğrafyalar isteğe bağlı olarak rtree olarak bir bağımlılık , github bakınız.

Bu nedenle, yukarıdaki tüm (çok güzel) kodları izlemek yerine, basitçe şöyle bir şey yapabilirsiniz:

import geopandas
from geopandas.tools import sjoin
point = geopandas.GeoDataFrame.from_file('point.shp') # or geojson etc
poly = geopandas.GeoDataFrame.from_file('poly.shp')
pointInPolys = sjoin(point, poly, how='left')
pointSumByPoly = pointInPolys.groupby('PolyGroupByField')['fields', 'in', 'grouped', 'output'].agg(['sum'])

Bu şık işlevselliği elde etmek için C-library'i kurduğunuzdan emin olun. libspatialindex ilk

EDIT: düzeltilmiş paket ithalatı

Daha hızlı birleşme işlemini gerçekleştirmek için Rtree'yi bir indeks olarak kullanın , ardından bir noktanın gerçekten çokgen içinde olup olmadığını belirlemek için uzamsal tahminleri yapmak için Shapely . Doğru şekilde yapılırsa, bu diğer çoğu CBS'den daha hızlı olabilir.

Buradaki veya buradan örneklere bakınız .

Sorunuzun 'SUM' ile ilgili ikinci bölümünde, dict , anahtar olarak bir çokgen kimliği kullanarak popülasyonları biriktirmek nesne kullanın. Yine de, bu tür bir şey PostGIS ile çok daha güzel yapılır.

Bu web sayfası, Shapely'in daha pahalı olan Mekansal sorgulamasından önce bir Poligon işaretinde bir Sınırlayıcı Kutunun nasıl kullanılacağını gösterir.

http://rexdouglass.com/fast-spatial-joins-in-python-with-a-spatial-index/