Pandas DataFrameをGeoDataFrameに変換する

これは十分に簡単な質問のように思えますが、空間結合のためにパンダのDataFrameをGeoDataFrameに変換する方法がわかりません。

以下は私のデータがどのように見えるかの例ですdf.head()：

    Date/Time           Lat       Lon       ID
0   4/1/2014 0:11:00    40.7690   -73.9549  140
1   4/1/2014 0:17:00    40.7267   -74.0345  NaN

実際、このデータフレームはCSVから作成されているため、CSVをGeoDataFrameとして直接読み込む方が簡単であれば、それでも問題ありません。

最初にDataFrameのコンテンツ（LatおよびLon列）を適切なShapelyジオメトリに変換し、次にそれらを元のDataFrameと共に使用してGeoDataFrameを作成します。

from geopandas import GeoDataFrame
from shapely.geometry import Point

geometry = [Point(xy) for xy in zip(df.Lon, df.Lat)]
df = df.drop(['Lon', 'Lat'], axis=1)
crs = {'init': 'epsg:4326'}
gdf = GeoDataFrame(df, crs=crs, geometry=geometry)

結果：

    Date/Time           ID      geometry
0   4/1/2014 0:11:00    140     POINT (-73.95489999999999 40.769)
1   4/1/2014 0:17:00    NaN     POINT (-74.03449999999999 40.7267)

多くの場合、ジオメトリはWKT形式で提供されるため、その場合の例も含めると思いました。

import geopandas as gpd
import shapely.wkt

geometry = df['wktcolumn'].map(shapely.wkt.loads)
df = df.drop('wktcolumn', axis=1)
crs = {'init': 'epsg:4326'}
gdf = gpd.GeoDataFrame(df, crs=crs, geometry=geometry)

ワンライナー！加えて、ビッグデータの人々のためのいくつかのパフォーマンスポインター。

次のpandas.DataFrameようなx経度とy緯度を持つa を考えると：

df.head()
x   y
0   229.617902  -73.133816
1   229.611157  -73.141299
2   229.609825  -73.142795
3   229.607159  -73.145782
4   229.605825  -73.147274

レッツ・変換pandas.DataFrameにgeopandas.GeoDataFrame次のように：

ライブラリのインポートと見栄えの高速化：

import geopandas as gpd
import shapely
shapely.speedups.enable() # enabled by default from version 1.6.0

私が横たわっているテストデータセットのコード+ベンチマーク時間：

#Martin's original version:
#%timeit 1.87 s ± 7.03 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
gdf = gpd.GeoDataFrame(df.drop(['x', 'y'], axis=1),
                                crs={'init': 'epsg:4326'},
                                geometry=[shapely.geometry.Point(xy) for xy in zip(df.x, df.y)])



#Pandas apply method
#%timeit 8.59 s ± 60.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
gdf = gpd.GeoDataFrame(df.drop(['x', 'y'], axis=1),
                       crs={'init': 'epsg:4326'},
                       geometry=df.apply(lambda row: shapely.geometry.Point((row.x, row.y)), axis=1))

使用pandas.applyは驚くほど遅くなりますが、他のいくつかのワークフロー（たとえば、daskライブラリを使用するより大きなデータセット）に適している場合があります。

クレジット：

• Pandasデータフレームからシェープファイルを作成していますか？（パンダの適用方法の場合）
• Geopandasを使用してポリゴンの行方向のポイントを高速化します（高速化のヒント）

大きなdaskデータセットを処理するためのいくつかの進行中の参照（2017年現在）：

• http://matthewrocklin.com/blog/work/2017/09/21/accelerating-geopandas-1
• https://github.com/geopandas/geopandas/issues/461
• https://github.com/mrocklin/dask-geopandas