使用python

时间:2017-07-06 21:01:09

标签: python performance gis shapefile shapely

对于我在python中的项目,我需要定义哪个国家/地区属于大量坐标(lat,lon)。我已经设法使用形状上的Point.within(Polygon)方法(参见下面的代码),提供了从 natural earth下载的国家边界的shapefile(shapefile必须首先拆分成单部分多边形,我没有找到如何正确处理多部分多边形)。

尽管该方法运行良好,但是进行大量查询时速度有点慢。可能性能与shapefile分辨率密切相关,但需要精度。我已经在边界框预选轮中取得了一些进展(只检查了在其边界框内有坐标的多边形),但我正在尝试进一步改进它。我该怎么办?我正在考虑使用内部边界框来快速区分明确的点,但后来我不知道如何构建它们。或者最好一次性制作一些花哨的查找表?我必须说我不熟悉哈希表等等,它会是一个选项吗?

谢谢

#env python3
from shapely.geometry import Polygon, Point
import shapefile

class CountryLoc:
    def __init__(self, shppath, alpha3pos = 1):
        polygon = shapefile.Reader(shppath)
        self.sbbox = [pol.bbox for pol in polygon.shapes()] 
        self.shapePoints = [pol.points for pol in polygon.shapes()]
        self.shapeCnames = [pol.record[alpha3pos] for pol in polygon.shapeRecords()] 
        self.shapecount = polygon.numRecords

    def which_country(self,lat,lon): 
        countries = self._pointcountry(lat,lon)
        if len(countries) > 1:
            print('too many countries at coord ({:.3f},{:.3f}) : {}'.format(lat,lon,countries)) 
        try:
            return countries[0]
        except:
            #print('no country ref @ latlon ({},{})'.format(lat,lon))
            return 'OXO'

    def _findBboxMatch(self,lat,lon):
        matchidslist = []
        for ids in range(self.shapecount):
            if lat >= self.sbbox[ids][1] and lat <= self.sbbox[ids][3]:
                if self.sbbox[ids][0] > self.sbbox[ids][2] :
                # rem RUS and USA BBOX are spanning accross the +180-180 cut 
                    if not(lon >= self.sbbox[ids][2] and lon <= self.sbbox[ids][0]):    
                        matchidslist.append(ids)            
                else:       
                    if lon >= self.sbbox[ids][0] and lon <= self.sbbox[ids][2]: 
                        matchidslist.append(ids)
        return matchidslist

    def _pointcountry(self,lat,lon):
        coord = Point(lon,lat)
        matchidlist = self._findBboxMatch(lat,lon) ## BBOX PRESELECT
        matchcountrylist = []
        for ids in matchidlist:
            pp = Polygon(self.shapePoints[ids])
            if coord.within(pp):
                matchcountrylist.append(self.shapeCnames[ids])
        return matchcountrylist

    def printCountry(self,lat,lon): 
        ctry = self.which_country(lat,lon)
        print('coord. ({},{}) is in {}'.format(lat,lon,ctry))
        bbmatch = self._findBboxMatch(lat,lon)
        print('matching BBOXs are {}'.format([self.shapeCnames[k] for k in bbmatch]))
        print(' ')

if __name__ == '__main__':
    # testing
    cc = input('lat,lon ? ')
    coords = [float(cc.split(',')[0]) , float(cc.split(',')[1])]
    coloc = CountryLoc('./borders_shapefile.shp', alpha3pos=9)
    coloc.printCountry(coords[0],coords[1])

1 个答案:

答案 0 :(得分:2)

您需要加速结构,例如quadtreek-d treespatial hash table等。

设置形状数据时,您将根据形状位于平面中的位置加载结构。例如,使用四叉树,您可以递归地将空间细分为四个象限,直到每个叶子象限重叠一些少量形状(或者没有任何形状)。然后在每个叶子上记录一个形状参考列表。

稍后,当您搜索与特定点重叠的形状时,您将基于每个约log n 级别的两个比较操作遍历细分树。当您到达正确的叶子象限时,只需使用Point.within函数检查少量形状。